Algorytmy uczenia się przez wzmacnianie są wykorzystywane do rozwiązywania problemów o stale rosnącym poziomie złożoności. W wyniku tego proces uczenia zyskuje na złożoności i wymaga większej mocy obliczeniowej. Wykorzystanie uczenia z przeniesieniem wiedzy może częściowo ograniczyć ten problem. W artykule wprowadzamy oryginalne środowisko testowe i eksperymentalnie oceniamy wpływ wykorzystania programów uczenia na głęboką odmianę metody Q-learning.

Reinforcement learning algorithms are being used to solve problems with ever-increasing level of complexity. As a consequence, training process becomes harder and more computationally demanding. Using transfer learning can partially elevate this issue by taking advantage of previously acquired knowledge. In this paper we propose a novel test environment and experimentally evaluate impact of using curriculum with deep Q-learning algorithm.