AITOP

PEARL

共 3 条相关 AI 资讯
7月20日
10:44
10:44官方账号arXiv cs.LG@Matteo Tomasetto, Nicolò Botteghi, Gabriele Bruni, Andrea Manzoni
论文提出PEARL框架，结合强化学习与最优控制，利用自动微分计算短时策略梯度，并通过神经网络近似伴随灵敏度以估计未来回报，从而减少环境交互次数。在非稳态流中的两个参数化导航问题测试中，PEARL在样本效率和泛化性上优于现有RL算法，可扩展到高维状态动作空间，无需低维表示或多智能体策略。
论文PEARLreinforcement learningdynamical systems
推荐理由：这篇论文用PEARL方法解决了RL在复杂动力学系统中样本效率低的问题，能在非稳态流中做实时控制，比现有算法更高效，值得搞控制或RL的人看看。
原文
7月8日
11:56
11:56官方账号arXiv cs.LG@Shervin Khalafi, Igor Krawczuk, Sergio Rozada, Charilaos Kanatsoulis, Antonio G Marques, Alejandro Ribeiro
本文提出 Graph Convolutional Attention (GCA)，一种利用输入图谱实现谱去噪的注意力机制。理论证明线性注意力在去噪任务中只能学习平均谱滤波器，而 GCA 通过图滤波查询和键可自适应处理谱多样性。在随机块模型上，GCA 与理想化的 Spectral Attention 机制性能匹配。在 DiGress 模型中，GCA 无需计算昂贵的结构特征即可达到标准图 Transformer 的效果，结合 PEARL 位置编码还能避免显式特征分解，加速推理。实验表明 GCA 在合成和真实数据集上持续提升去噪与扩散性能，增益与谱多样性正相关。
论文GCAGraph Convolutional AttentionDiGress
推荐理由：这篇论文指出了线性注意力在图去噪上的根本局限，并提出 GCA 来补上短板。在 DiGress 上效果持平标准 Transformer 还省了结构特征计算，挺实用的。
原文
7月1日
23:26