强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。
DeepMind后继有人,图式网络通用性完胜AlphaGo?
专访 || 大佬Pieter Abbeel谈深度强化学习
深度强化学习实验室
1+阅读 · 2020年2月2日
视频 | 进化策略让AI开挂,玩游戏不断给自己续命
资源 | DeepMind开源强化学习研究环境Control Suite
机器之心
2+阅读 · 2018年1月4日
TensorFlow 2.0深度强化学习指南
云栖社区
18+阅读 · 2019年2月1日
浅析强化学习及使用Policy Network实现自动化控制
人工智能学家
6+阅读 · 2017年10月2日
重磅 | CS 294 2018 今日开课!双语字幕独家上线!
AI研习社
2+阅读 · 2018年12月20日
多智能体强化学习(MARL)近年研究概览
PaperWeekly
33+阅读 · 2020年3月15日
微信扫码咨询专知VIP会员