Jun, 2019
现代深度强化学习算法
Modern Deep Reinforcement Learning Algorithms
Sergey Ivanov, Alexander D'yakonov
TL;DR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。
Abstract
Recent advances in reinforcement learning, grounded on combining classical
theoretical results with deep learning paradigm, led to breakthroughs in many
→
发现论文,激发创造
深度强化学习教科书
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
深度强化学习简要调查
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
基于深度强化学习的适应性和泛化性方法综述
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
深度符号强化学习
该研究提出了一个神经和符号端到端强化学习架构,能够克服当前深度学习技术的局限性,如需要非常大的数据集工作、难以实现高级认知功能和透明性欠佳等。研究者以简单的视频游戏为例,展示了这个架构的实现原型,结果表明它能够有效地学习,并通过获得一组符号规则,可将性能提高到比传统完全神经强化学习系统更好的水平。
Sep, 2016
强化学习算法概述与分类
本文根据应用场景分为三类环境,分析强化学习算法在不同环境下的可行性,提供算法基础的概述和算法之间的相似性和差异性的比较,帮助研究者和实践者选择最适合自己的算法。
Sep, 2022
强化学习教材
本教科书涵盖了现代深度强化学习算法所依据的原则,这些算法在许多领域中取得了突破性成果,从游戏人工智能到机器人技术。所有必要的理论均使用统一的符号进行解释并进行证明,强调了不同类型算法之间的区别以及它们构建方式的原因。
Jan, 2022