Reinforcement 第22页

ml-agents项目实践（一）

本文首发于：行者AI强化学习(reinforcementlearning)是机器学习和人工智能里的一类问题，研究如何通过一系列的顺序决策来达成一个特定目标。

行者AI·2021-01-06 19:23

机器学习_机器学习概览

目录机器学习概览learningfromdata什么是机器学习机器学习类型Supervisedlearning监督学习Unsupervisedlearning无监督学习Reinforcementlearning

小鹅通·2021-01-04 22:57

【顶会论文分析】分层强化学习解决慕课推荐挑战 - Hierarchical Reinforcement Learning for Course Recommendation in MOOCs

HierarchicalReinforcementLearning分层强化学习在慕课推荐情景中的具体应用本文通过论文精读，介绍了一下分层强化学习技术的细节，论文传送门贴在最下方。

JinyuZ1996·2020-12-30 19:37

Pytorch 笔记Ⅻ——DQN Reinforcement Learning

由于我主要做CV部分因此这一部分不是很理解，所以直接上代码吧。主提程序来自Pytorch官网，英文注释能看懂就看吧，等我有空系统学习一下再来整理整个逻辑，博客代码就先放这里了看φ(゜▽゜*)♪文章目录导入必要的包获取文件构建ReplayMemory定义DQN网络界面展示开始训练超参数设置函数定义定义优化模型实时展现训练效果导入必要的包importgymimportmathimportrandomi

DeepHao·2020-12-29 20:05

spark写出分布式的训练算法_RLlib：一个分布式强化学习系统的凝练

毕业设计需要完整翻译一篇文献（没啥好综述的），找来找去还是决定翻译RLlib的paper"RLlib:AbstractionsforDistributedReinforcementLearning"中文翻译

李远路·2020-12-27 03:18

强化学习简介

强化学习简介强化学习(ReinforcementLearning，RL)是机器学习中的一个领域，是学习做什么（即如何把当前的情景映射成动作）才能使得数值化的收益最大化,学习者不会被告知应该采取什么动作，

NULL·2020-12-27 03:14

强化学习简介

强化学习简介强化学习(ReinforcementLearning，RL)是机器学习中的一个领域，是学习做什么（即如何把当前的情景映射成动作）才能使得数值化的收益最大化,学习者不会被告知应该采取什么动作，

NULL·2020-12-27 02:16

Join Query Optimization with Deep Reinforcement Learning Algorithms

目录1.动机2.贡献2.1总体概况2.2具体点3.背景3.1查询优化领域文献3.2查询优化为什么是一个仍未解决的问题3.3查询优化中主要未解决问题3.4应用于查询优化的强化学习概念的调整3.5RL算法——Q-learning3.6RL算法——PolicyGradientMethods4.FOOP架构5.实验5.1配置5.2算法比较5.3增强RL算法5.4与其他算法对比实验6.结论7.展望1.动机

Jackson_grw·2020-12-27 01:40

基于DQN强化学习训练一个超级玛丽

本文所有代码在https://github.com/MyEncyclopedia/reinforcement-learning-2nd/tre

文文学霸·2020-12-13 22:57

【论文阅读笔记】NeurIPS2020文章列表Part2

ADeepGraphMetricLearningPerspectiveUsingFewerProxiesAdaptiveGraphConvolutionalRecurrentNetworkforTrafficForecastingOnReward-FreeReinforcementLearn

呆博士的疯狂实验室·2020-12-09 10:13

强化学习笔记（4）—— 无模型（model-free）prediction问题（α-MC方法、TD方法）

参考：周博磊老师的教程ReinforcementLearningCoursebyDavidSilverRichardS.Sutton《ReinforceLearning》第5章、第6章强化学习（四）用蒙特卡罗法

云端FFF·2020-12-08 21:21

2020-12-03 - 2020-12-06 京东RL论文整理

读论文：RecommendationswithNegativeFeedbackviaPairwiseDeepReinforcementLearning(SIGKDD2018)这篇论文也是旨在对sequentialinteractions

syat_e6da·2020-12-06 14:09

多智能体强化学习QMIX论文笔记

column/c_1317610869467709440，不定期更新多智能体强化学习相关的论文QMIX:MonotonicValueFunctionFactorisationforDeepMulti-agentReinforcementLearning

如风是小魔王·2020-12-04 16:21

强化学习资料总结

知乎专栏张楚珩强化学习前沿https://www.zhihu.com/column/reinforcementlearning叶强DavidSilver课程笔记与实践https://www.zhihu.com

什么都不太行的syq·2020-12-02 00:42

深度学习笔记

通常学习的情境是我们没有办法控制的，比如做强化学习(reinforcementLearning)是因为我们没有data、没有办法来做supervisedLearning(监督学习)的情况下才去做的。

Ghost在低语·2020-11-25 15:30

强化学习1：什么是强化学习

强化学习的来源强化学习(ReinforcementLearning,RL)，一般也称作增强学习，和心理学、动物行为的研究等领域有比较久的渊源。

哈喽十八子·2020-11-14 23:40

Deep Reinforcement Learning for Unsupervised Video Summarization阅读笔记

DeepReinforcementLearningforUnsupervisedVideoSummarizationwithDiversity-RepresentativenessReward论文阅读笔记论文整体概述对于视频摘要

importance*·2020-11-04 23:22

如何解决稀疏奖励下的强化学习？

来源：机器之心pro作者：仵冀颖编辑：JoniZhong强化学习（ReinforcementLearning，RL）是实现强人工智能的方法之一，在智能体（Agent）与环境的交互过程中，通过学习策略（Policy

我怎么又饿了呀·2020-10-27 08:34

Continuous control with deep reinforcement learning_ICLR2016

Continuouscontrolwithdeepreinforcementlearning(ICLR2016)https://arxiv.org/abs/1509.02971v2文章目录Abstract1

我是chios·2020-10-22 11:06

分布式强化学习 | (1) RLlib:一个分布式强化学习系统的凝练

原文地址本文是对RLlibPaper《RLlib:AbstractionsforDistributedReinforcementLearning》的中文翻译，转载自知乎用户Trinkle。

CoreJT·2020-10-21 16:35

强化学习基础篇（一）强化学习入门

主要基于的课本来自Richard.S.Sutton以及AndrewG.Barto的《ReinforcementLearning》第二版。同时有由俞凯翻译的中译本。

Jabes·2020-10-17 19:28

A3C论文翻译

AsynchronousMethodsforDeepReinforcementLearningAbstractWeproposeaconceptuallysimpleandlightweightframeworkfordeepreinforcementlearningthatusesasynchronousgradientdescentforoptimizationofdeepneuralnetw

神罗Noctis·2020-10-11 17:56

强化学习框架

深层钢筋学习讲解—20(DEEPREINFORCEMENTLEARNINGEXPLAINED—20)Thisisthepostnumber20inthe“DeepReinforcementLearningExplained

weixin_26729283·2020-10-10 02:10

强化学习@AAAI2019

FullyConvolutionalNetworkwithMulti-StepReinforcementLearningforImageProcessing具有多步强化学习的全卷积网络用于图像处理RyosukeFuruta

hanx0204·2020-10-08 16:45

机器学习笔记——基础导论

1.强化学习（ReinforcementLearning)2.可能出现的几种

Mr.Shelby·2020-09-19 16:07

深度学习_资料汇总链接（目标检测/可视化/目标识别/自然语言处理/OCR）

VisualizeConvolutionalNeuralNetworkVideoApplicationsTrainingDeepNeuralNetworksTrackingSegmentationRNNandLSTMImageRetrievalReinforcementLearningRecommendationSystemClassific

炼丹术士·2020-09-17 06:31

【强化学习】Dueling Network Architectures for Deep Reinforcement Learning (2016)

作者认为估计每个action的价值是没有必要的，例如在Enduro游戏中，仅仅当碰撞要发生时，判断左转还是右转才是有效的。在一些状态下，知道该做什么action是首要重要的，但是在一些其他状态下，action的选择对于产生的结果是没有影响的。然而statevalue的估计对于每个状态是至关重要的。作者说这个方法在存在多个相似的action时效果很好。所以作者重新定义了Q值：V表示statevalu

Laverwang·2020-09-17 05:53

【强化学习】Human-level control through deep reinforcement learning（2015）

Human-levelcontrolthroughdeepreinforcementlearning（2015）强化学习中，智能体面对的一个问题是：它们必须从高维输入得到有效的环境表示，并且可以把这些传递给新的环境中

Laverwang·2020-09-17 05:52

【强化学习】Playing Atari with Deep Reinforcement Learning （2013）

PlayingAtariwithDeepReinforcementLearning（2013）这篇文章提出了第一个可以直接用强化学习成功学习控制policies的深度学习模型。

Laverwang·2020-09-17 05:52

浅谈强化学习中的函数估计问题 - Function Approximation in RL

假设你对强化学习（ReinforcementLearning）有最基本的了解。

止于至玄·2020-09-16 23:06

2020网上的连续性学习（终身学习、持续学习）论文汇总

ContinualReinforcementLearningwithMulti-TimescaleReplay连续性学习和强化学习结合在一起。

努力奋斗-不断进化·2020-09-16 01:45

Value-based Reinforcement Learning

不久前做了一个关于value-basedRL相关的slides，主要讲解了基于值的强化学习方法的几个重要理论方法，同时讲解了Q-learning作为off-policy方法在学习过程中产生的bias的来源已经如何减轻的几种方法。源文件：Github讲义：PDF

南极光·2020-09-15 14:57

强化学习笔记(1)

基于Simplestatisticalgradient-followingalgorithmsforconnectionistreinforcementlearning0.概述该文章提出了一个关于联合强化学习算法的广泛的类别

MezereonXP·2020-09-14 19:15

THE WISDOM OF THE CROWD: RELIABLE DEEP REINFORCEMENT LEARNING THROUGH ENSEMBLES OF Q--FUNCTIONS

ABSTRACTReinforcementlearningagentslearnbyexploringtheenvironmentandthenex-ploitingwhattheyhavelearned.Thisfreesthehumantrainersfromhavingtoknowthepreferredactionorintrinsicvalueofeachencounteredstate

Adam坤·2020-09-14 01:58

Deep learning和Reinforcement lea…

转自：http://www.infoq.com/cn/articles/atari-reinforcement-learning作者尹绪森发布于2014年3月31日引子说到机器学习最酷的分支，非Deeplearning

szdbl·2020-09-14 00:59

AlphaZero 完爆前辈 AlphaGo，这个人工智能新突破价值有多大？(转)

AlphaZero使用了名为「强化学习」（reinforcementlearning）的AI技术，它只使用了基本规则，没有人的经验，从零开始训练，横扫了棋类游戏AI。AlphaZero首先征服

zhang43211234·2020-09-13 14:10

机器学习总结（lecture 18）算法：强化学习Reinforcement Learning（RL）

lecture18：强化学习ReinforcementLearning目录lecture18强化学习ReinforcementLearning目录1简介1什么是强化学习2强化学习方法汇总3为什么要用强化学习

九方先生·2020-09-13 08:16

论文笔记1：Deep Recurrent Q-Learning for Partially Observable MDPs

参考资料：鼻祖论文：PlayingAtariwithDeepReinforcementLearningHuman-levelcontrolthroughdeepreinforcementlearning

uuummmmiiii·2020-09-13 07:41

强化学习读书笔记（一）：基本概念以及马尔可夫过程

强化学习的概念ReinforcementLearning，强化学习，有时也称作增强学习。简单来说，强化学习就是希望受试者能够基于经验，对当前环境做出反应，以获得最大的长期回报。

庐州小白·2020-09-13 03:53

Reinforcement Learning by Sutton 第三章习题答案

好不容易写完了想看全部的欢迎点击下面的githubhttps://github.com/LyWangPX/Solutions-of-Reinforcement-Learning-An-Introduction-Sutton

weixin_34023863·2020-09-13 03:23

强化学习读书笔记_0

强化学习读书笔记-10-on-policy控制的近似方法学习笔记：ReinforcementLearning:AnIntroduction,RichardS.SuttonandAndrewG.Bartoc2014,2015,2016

jianglibo1024·2020-09-13 01:48

【强化学习1.0】导论 & 多臂赌博机问题（multi-armed bandit）

强化学习（ReinforcementLearning，下面简称RL）研究的是在交互中学习的方式。通俗来说，就是“做什么能让我们最终的收益最大化”。最常举例的一个场景就是游戏，比如下棋。

江户川柯壮·2020-09-13 01:34

写给人类的机器学习五、强化学习

五、强化学习原文：MachineLearningforHumans,Part5:ReinforcementLearning作者：VishalMaini译者：飞龙协议：CCBY-NC-SA4.0探索和利用

布客飞龙·2020-09-12 17:38

8.基于表格方法的规划和学习planning and learning--阅读笔记【Reinforcement Learning An Introduction 2nd】

文章目录基于表格方法的规划和学习planningandlearningwithtabularmethods前言模型和规划Dyna：综合规划、决策和学习的框架当模型是错的优先遍历/扫描prioritizedsweeping期望更新和采样更新轨迹采样实时动态规划在决策时规划启发式搜索rollout算法蒙特卡洛树搜索总结基于表格方法的规划和学习planningandlearningwithtabular

EdenJin·2020-09-12 16:42

1~8.PART one总结--阅读笔记【Reinforcement Learning An Introduction 2nd】

本书主要分为三大部分，分别是基于表格的方法；近似策略方法；扩展部分。第一部分属于rl基础内容，基本涵盖了基于值函数方法的核心思想。要熟悉并善于分析不同方法之间的区别和联系，构建起整个知识体系框架。之前我们所讲的方法都有很多共同点：试图估计值函数；通过对实际的或仿真的经验进行备份操作来更新值函数；都遵循GPI框架。尽管大体框架都相同，但彼此之间还是有区别的，重要的区分维度就是更新的深度和宽度:横轴表

EdenJin·2020-09-12 16:10

5.蒙特卡洛方法--阅读笔记【Reinforcement Learning An Introduction 2nd】

文章目录蒙特卡洛方法MonteCarlomethod前言蒙特卡洛预测动作价值的蒙特卡洛估计蒙特卡洛控制无exploringstarts的MC控制基于重要性采样的离线策略预测增量式实现off-policy的MC控制*discounting-awareimportancesample*per-decisionimportancesample总结蒙特卡洛方法MonteCarlomethod内容梳理：本章

EdenJin·2020-09-12 16:09

6.时序差分学习Temporal-Difference Learning--阅读笔记【Reinforcement Learning An Introduction 2nd】

文章目录时序差分学习Temporal-DifferenceLearning前言TD预测/评估TD预测方法的优势TD(0)的最优性Sarsa:在线策略TD控制Q-learning:off-policyTD控制期望sara算法最大化偏差MaximizationBias和DoubleLearningGame、afterstate和其他特例总结时序差分学习Temporal-DifferenceLearni

EdenJin·2020-09-12 16:09

7.n步自举n-step bootstraping--阅读笔记【Reinforcement Learning An Introduction 2nd】

文章目录n步自举n-stepbootstraping前言n-stepTD预测n-stepSarsan-step离线策略学习*带控制变量的per-decision方法n-step树备份算法（无重要性采样的off-policy）统一的算法：n-stepQ(sigma)总结n步自举n-stepbootstraping内容简要梳理：本章提出了n步自举的方法，按照之前的套路，分别从预测和控制两个方面进行分析

EdenJin·2020-09-12 16:09

4.动态规划--阅读笔记【Reinforcement Learning An Introduction 2nd】

文章目录动态规划前言策略评估/预测策略提升策略迭代值迭代异步动态规划广义策略迭代动态规划算法的效率问题总结内容梳理：本文主要讲解动态规划方法，首先讲解了策略评估用以计算值函数，然后提到了策略提升的方法，接着又提出了策略迭代的方法，针对策略迭代每次都要进行策略评估，且每次策略评估都要对状态集合中的所有状态进行更新，由此导致的训练时间成本大，故此提出了值迭代的方法。为了加快DP解决问题的速度，提出了A

EdenJin·2020-09-12 16:08

3.有限马尔可夫决策过程--阅读笔记【Reinforcement Learning An Introduction 2nd】

文章目录有限马尔科夫决策过程FiniteMarkovDecisionProcesses前言智能体-环境接口agent和environment之间的界限目标和回报回报表示+episodictask和continuingtaskepisodictaskcontinuingtask策略和值函数贝尔曼方程状态值函数贝尔曼方程动作值函数贝尔曼方程最优策略和最优值函数贝尔曼最优方程总结有限马尔科夫决策过程Fi

EdenJin·2020-09-12 16:08

推荐频道

Reinforcement

ml-agents项目实践（一）

机器学习_机器学习概览

【顶会论文分析】分层强化学习解决慕课推荐挑战 - Hierarchical Reinforcement Learning for Course Recommendation in MOOCs

Pytorch 笔记Ⅻ——DQN Reinforcement Learning

spark写出分布式的训练算法_RLlib：一个分布式强化学习系统的凝练

强化学习简介

强化学习简介

Join Query Optimization with Deep Reinforcement Learning Algorithms

基于DQN强化学习训练一个超级玛丽

【论文阅读笔记】NeurIPS2020文章列表Part2

强化学习笔记（4）—— 无模型（model-free）prediction问题 （α-MC方法、TD方法）

2020-12-03 - 2020-12-06 京东RL论文整理

多智能体强化学习QMIX论文笔记

强化学习资料总结

深度学习笔记

强化学习1：什么是强化学习

Deep Reinforcement Learning for Unsupervised Video Summarization阅读笔记

如何解决稀疏奖励下的强化学习？

Continuous control with deep reinforcement learning_ICLR2016

分布式强化学习 | (1) RLlib:一个分布式强化学习系统的凝练

强化学习基础篇（一）强化学习入门

A3C论文翻译

强化学习框架

强化学习@AAAI2019

机器学习笔记——基础导论

深度学习_资料汇总链接（目标检测/可视化/目标识别/自然语言处理/OCR）

【强化学习】Dueling Network Architectures for Deep Reinforcement Learning (2016)

【强化学习】Human-level control through deep reinforcement learning（2015）

【强化学习】Playing Atari with Deep Reinforcement Learning （2013）

浅谈强化学习中的函数估计问题 - Function Approximation in RL

2020网上的连续性学习（终身学习、持续学习）论文汇总

Value-based Reinforcement Learning

强化学习笔记(1)

THE WISDOM OF THE CROWD: RELIABLE DEEP REINFORCEMENT LEARNING THROUGH ENSEMBLES OF Q--FUNCTIONS

Deep learning和Reinforcement lea…

AlphaZero 完爆前辈 AlphaGo，这个人工智能新突破价值有多大？(转)

机器学习总结（lecture 18）算法：强化学习Reinforcement Learning（RL）

论文笔记1：Deep Recurrent Q-Learning for Partially Observable MDPs

强化学习读书笔记（一）：基本概念以及马尔可夫过程

Reinforcement Learning by Sutton 第三章习题答案

强化学习读书笔记_0

【强化学习1.0】导论 & 多臂赌博机问题（multi-armed bandit）

写给人类的机器学习 五、强化学习

8.基于表格方法的规划和学习planning and learning--阅读笔记【Reinforcement Learning An Introduction 2nd】

1~8.PART one总结--阅读笔记【Reinforcement Learning An Introduction 2nd】

5.蒙特卡洛方法--阅读笔记【Reinforcement Learning An Introduction 2nd】

6.时序差分学习Temporal-Difference Learning--阅读笔记【Reinforcement Learning An Introduction 2nd】

7.n步自举n-step bootstraping--阅读笔记【Reinforcement Learning An Introduction 2nd】

4.动态规划--阅读笔记【Reinforcement Learning An Introduction 2nd】

3.有限马尔可夫决策过程--阅读笔记【Reinforcement Learning An Introduction 2nd】

强化学习笔记（4）—— 无模型（model-free）prediction问题（α-MC方法、TD方法）

写给人类的机器学习五、强化学习