๐ Connect Ai Artnfull | Lunar Lander Dueling DQN
Dueling Deep Q-Network(DQN) ๊ฐํํ์ต ๊ธฐ๋ฐ ๋ฃจ๋๋๋ ์๋ฎฌ๋ ์ด์
์ ์: Connect Ai Artnfull
๐ 24์๊ฐ ์จ๋ผ์ธ ๋ผ์ด๋ธ ๋ฐ๋ชจ (๋ฏธ์ ๊ด์ ์ผํฐ)
๋ณ๋ ์ค์น ์์ด ์น ๋ธ๋ผ์ฐ์ ์์ ์ค์๊ฐ ๋นํ ๋ฐ ํ์ต ๊ณผ์ ์ ๊ด๋ํ๊ณ ์กฐ์ํ ์ ์์ต๋๋ค:
๐ Connect Ai Artnfull ๋ฏธ์
๊ด์ ์ผํฐ ์ ์ (Hugging Face Space)
๐ ํ์ดํผํ๋ผ๋ฏธํฐ (Hyperparameters)
| ํ๋ผ๋ฏธํฐ | ๊ฐ | ์ค๋ช |
|---|---|---|
| ์๊ณ ๋ฆฌ์ฆ | Dueling Double DQN | ์ํ ๊ฐ์น (s) ํ๋ ์ด์ (s, a)$ ๋ถ๋ฆฌ |
| ํ์ต ์ํผ์๋ | 1,000 | ์ด ๋นํ ํ๋ จ ํ์ |
| ํํ๋ฅ (ฮต) | .0 (100%) \rightarrow 0.05 (5%)$ | ์ง์ ๊ฐ์ ( = 0.997$) |
| ์์ค ํจ์ | Smooth L1 (Huber Loss) | ์ด์์น ๋ฐ ๋ณด์ ๊ธ๋ณ ๋ฐฉ์ง |
| ํ ์ธ์จ (ฮณ) | 0.99 | ๋ฏธ๋ ๋ณด์ ๊ฐ์ค์น |
| ํ๊ฒ๋ง ์ํํธ ๊ฐฑ์ (ฯ) | 0.001 | Polyak averaging soft update |
| ๊ฒฝํ ๋ฆฌํ๋ ์ด ๋ฒํผ | 100,000 | Replay Memory Size |
| ๋ฐฐ์น ํฌ๊ธฐ | 64 | Batch Size |
Evaluation results
- Mean Reward (100 episodes) on LunarLander-v3self-reported200.000
