Naukowcy z Uniwersytetu Ekonomicznego w Katowicach opublikowali artykuł pt. "Recurrence Mimicking Learning: Eliminating Sequential Rollouts in Offline Recurrent Reinforcement Learning" w czasopiśmie "Neurocomputing" (Elsevier). Autorami publikacji są: dr hab. Krzysztof Kania, prof. UE (Katedra Inżynierii Wiedzy), dr hab. Tomasz Wachowicz, prof. UE (Katedra Badań Operacyjnych) oraz mgr Tomasz Witkowski (doktorant, Katedra Badań Operacyjnych).
Publikacja wprowadza metodę Recurrence Mimicking Learning (RML), która rozwiązuje kluczowy problem obliczeniowy w rekurencyjnym uczeniu ze wzmocnieniem offline. Metody tej klasy są stosowane w domenach, gdzie decyzje zależą od wcześniejszych wyborów, a ich efekty kumulują się w czasie, jak w przypadku dynamicznego zarządzania portfelem inwestycyjnym czy systemów transakcyjnych. Główną słabością dotychczasowych podejść jest konieczność sekwencyjnego przetwarzania każdego kroku decyzyjnego, co przy długich horyzontach prowadzi do bardzo wysokich kosztów obliczeniowych i utrudnia częste przetrenowywanie modeli. Zaproponowana metoda RML radykalnie skraca czas potrzebny na wytrenowanie modelu. Eksperymenty potwierdzają redukcję czasu obliczeń do około 5% kosztu konwencjonalnego podejścia, przy zachowaniu identycznych wyników uczenia i pełnej możliwości optymalizacji nagrody globalnej.
Publikacja ukazała się w czasopiśmie o Impact Factor 6,5, kwartylu Q1 i punktacji MEiN 140 pkt.
DOI: 10.1016/j.neucom.2026.132807
Z publikacją można zapoznać się na stronie.
Dołącz do nas