Investigating Action Encodings in Recurrent Neural Networks in Reinforcement Learning

Diese Arbeit untersucht, wie Aktionsinformationen in die Zustandsaktualisierungsfunktion einer rekurrenten Zelle in rekurrenten neuronalen Netzen (RNNs) für das Reinforcement Learning (RL) integriert werden können. Die Autoren diskutieren verschiedene Optionen und bewerten die resultierenden Architekturen empirisch anhand illustrativer Domänen.