返回
Gradient-Free De Novo Learning
DOI:10.3390/e27090992.png)
摘要
En 中文
本技术笔记将主动推理应用于从零开始学习目标导向行为的问题,即从头学习。通过从头学习,我们指的是直接从观测数据中发现用于序列策略优化的离散生成模型的结构和参数。具体而言,我们的方法先扩展模型然后缩减模型,直到发现一个在(广义)状态上的收缩吸引子;该吸引集在目标状态之间提供最小作用路径,同时避开代价高昂的状态。隐含的效率在于通过自由能原理的视角重新构建学习问题,在该视角下,学习一个其动力学特征具有此类吸引集的生成模型就足够了。为提供背景,我们简要地将这一视角与基于价值的表述(如贝尔曼最优性)联系起来,然后将主动推理的表述应用于一个小型街机游戏,以说明从头结构学习和随之而来的能动性。
Keyword:
active inference
active learning
Bayesian model selection
compression
structure learning
planning
induction
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2
论文数:
956
被引数:
2.4W
机构
暂无机构信息

