科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决在图像特征识别分类等机器学习任务中，存在输入图像数据复杂度过高且与部分数据与特征无关的问题，提出了一种多智能体深度强化学习的图像特征分类方法。首先将图像特征分类任务转化为一个部分可观测的马尔可夫决策过程。通过使用多个移动的同构智能体去收集部分图像信息，并研究智能体如何形成对图像的局部理解并采取行动，以及如何从局部观察的图像中提取相关特征并分类，以此降低数据复杂性和过滤掉不相关数据。其次通过改进的值函数分解方法训练智能体策略网络，对环境的全局回报按照每个智能体的贡献进行拆分，解决智能体的信度分配问题。该方法在MNIST手写数字数据集和NWPU-RESISC45遥感图像数据集上进行了验证，相比基线算法能够学习到更加有效的联合策略，分类过程拥有更好的稳定性，同时精确率也有提升。
- 单位
