本书提供了深度强化学习领域的全面概述,主要涵盖了建立领域基础,算法和应用,同时介绍了一些先进主题,如深度多智能体强化学习、深层次强化学习和深元学习;本书适用于人工智能的研究者、从业者和研究生,假定读者具有本科水平的计算机科学和人工智能理解,编程语言使用 Python。
Jan, 2022
综述最新深度加强学习算法,重点关注其理论论证、实际限制和观察到的经验特性。
Jun, 2019
深度强化学习是 AI 领域的一项重大进展,可以构建具有更高层次视觉世界理解能力的自主系统。本文综述了深度强化学习的中央算法,包括基于价值和基于策略的方法,并重点介绍了深度神经网络在强化学习中的独特优势,最后描述了该领域内的几个当前研究方向。
Aug, 2017
论文探讨自动化强化学习的关键元素和挑战,并讨论自动化强化学习的最新工作、应用和研究方向。
本文综述了深度强化学习算法在自动驾驶任务上的应用,包括分类、验证、测试和强化现有强化学习算法解决方案的方法,还介绍了相关领域和挑战。
Feb, 2020
本文概述了深度强化学习的最近发展和各种应用,在讨论深度 Q 网络和策略等 RL 核心要素和注意力与记忆、自监督学习、神经网络体系结构设计等机制的基础上,涉及了游戏、自然语言处理、计算机视觉等多个领域,并列出了一些资源。
Jan, 2017
这篇综述性研究论文介绍了深度强化学习在神经科学中的应用,讨论了其对大脑和行为研究的影响,并提出了未来研究的机会。
Jul, 2020
调查了深度强化学习中迁移学习方法的最新进展,提供了对目标,方法,兼容强化学习骨架以及实际应用等方面分析的框架,并从强化学习的角度探讨了迁移学习与其他相关话题之间的联系和潜在挑战。
Sep, 2020
本文概述了深度强化学习的核心元素,机制和应用,讨论了 RL 的背景,价值函数,策略,奖励等关键元素,注意和记忆等重要机制以及包括游戏,机器人,自然语言处理,计算机视觉,金融等在内的应用领域。
Oct, 2018
本文调查研究 Deep Reinforcement Learning (DRL) 中关于任务和领域适应以及泛化的最新发展,讨论未来如何增强算法的适应性和泛化能力,以解决更广泛的实际问题。
Feb, 2022