【干货】93页随机近似与强化学习教程分享（附PDF下载）

【导读】随着Alpha Go的成功，强化学习始终是人们谈论的焦点。本文为大家编译了来自佛罗里达大学的Adithya M. Devraj分享的随机近似与强化学习教程，希望对大家的理论学习有所帮助。

介绍：

随机近似算法通常用来逼近固定点方程的解，其中涉及了函数未知分布的期望。该领域中，目前最着名的例子是TD和Q-Learning算法。

本次教程将从以下几个部分进行讲解：

• 随机近似

• 最快的随机近似方法

• 随机动量优化

• 强化学习

• Zap Q-learning

• 结论以及未来的工作

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“SARL” 就可以获取全文报告PDF下载链接~ 

附PDF全文：

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知