Jan, 2022
强化学习教材
Reinforcement Learning Textbook
Sergey Ivanov
TL;DR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。
Abstract
This textbook covers principles behind main modern deep reinforcement
learning algorithms that achieved breakthrough results in many domains from
game ai to →
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
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
深度强化学习：概述
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
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
深度强化学习
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