Jul, 2020
深度强化学习及其神经科学意义
Deep Reinforcement Learning and its Neuroscientific Implications
Matthew Botvinick, Jane X. Wang, Will Dabney, Kevin J. Miller, Zeb Kurth-Nelson
TL;DR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。
Abstract
The emergence of powerful artificial intelligence is defining new research
directions in neuroscience. To date, this research has focused largely on deep
neural networks trained using supervised →
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
神经科学和强化学习之间的学习差距
本研究介绍了人工智能与神经科学的联系,探讨了强化学习算法在神经科学领域的应用,通过扩展 T 型迷宫任务进行实验验证表明,现有算法无法解决该问题,并提出神经科学的见解可能有助于解释部分问题。
Apr, 2021
神经符号强化学习与规划:综述
本文通过进行文献调查,以三个构成神经符号强化学习的组件为重点(神经网络、符号和强化学习),将研究作品进行分类,并分析其强化学习部分的组成。同时,发现了该领域中的研究机会和挑战。
Sep, 2023
应用深度学习和强化学习于生物数据
本文综述深度学习、强化学习和深度强化学习等技术在生物数据挖掘中的应用,并比较了这些技术应用于不同数据集在各个应用领域的表现,最后概述了这个具有挑战性的研究领域中的未解决问题和未来发展前景。
Nov, 2017
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