Prioritized Experience Replay

[kuto5046]

Schaul, Tom, Quan, John, Antonoglou, Ioannis, Silver, David http://arxiv.org/abs/1511.05952

published as a conference paper in ICLR2016

[kuto5046]

DQNの学習にはexperience replayが用いられているがこの手法は一様に経験をサンプリングするためサンプル効率が悪いという課題があった。そこでTD誤差が大きい経験を優先してサンプリングを行い学習効率を改善。