Learning of Deception in Adversarial Games with Hierarchical Multiobjective Reinforcement Learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This thesis focuses on modelling deception in competitive differential games. By definition, differential games are games where two agents (or two groups of agents) have conflicting objectives. In other words, maximizing an agent's (or a group of agents') objective will minimize the other agent's (or a group of agents') pay-off. To increase the pay-off of one group, we implement deception in a differential game. On the other hand, the other group learns counter-deception to cope with the adversarials' strategy. To address deception and counter-deception, we implement the game of guarding territory and its derivatives. Our primary attempt consists of modelling deception using a hierarchical structure for pursuit-evasion games. The deception structure is made of two levels: a lower-level policy (LLP) that contains the optimal state-action values to reach a goal and a higher-level policy (HLP) that can change the lower-level policy's goal. While the players try to deceive their opponents using deception, the opponents try to detect deception and overcome the deceitful players. Reinforcement learning is the primary learning strategy in our study. We address the assignment problem in pursuit-evasion games, where multiple agents exist on each side. The assignment problem is solved by proposing a two-level policy system, where the pursuer's policy is calculated via a fuzzy actor-critic learning (FACL) algorithm. Our study is the first study on pursuit-evasion games where the assignment can be changed in the middle of the simulation. In addition, we proposed a hierarchical reinforcement learning scheme to provide broader control over the reward function hyperparameters. In other words, an HLP learns reward functions' hyperparameters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle