会员服务
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。
无需强化学习的与人类偏好对齐的语言模型：Wombat袋熊
无需强化学习的与人类偏好对齐的语言模型：Wombat袋熊
PaperWeekly
4+阅读 · 2023年4月13日
【CVPR2023】基于强化学习的黑盒模型反演攻击
【CVPR2023】基于强化学习的黑盒模型反演攻击
专知
1+阅读 · 2023年4月12日
【牛津大学博士论文】风险敏感且鲁棒的基于模型的强化学习与规划，201页pdf
【牛津大学博士论文】风险敏感且鲁棒的基于模型的强化学习与规划，201页pdf
专知
4+阅读 · 2023年4月7日
最新《强化学习导论》教程，32页pdf
最新《强化学习导论》教程，32页pdf
专知
3+阅读 · 2023年4月5日
OpenAI超级对话模型ChatGPT发布！智能回答堪比雅思口语满分案例
OpenAI超级对话模型ChatGPT发布！智能回答堪比雅思口语满分案例
新智元
28+阅读 · 2022年12月1日
【苏黎世联邦理工博士论文】深度强化学习的体系结构，186页pdf
【苏黎世联邦理工博士论文】深度强化学习的体系结构，186页pdf
专知
5+阅读 · 2022年11月29日
「基于课程学习的深度强化学习」研究综述
「基于课程学习的深度强化学习」研究综述
专知
8+阅读 · 2022年11月28日
I2A、MBMF、MVE、DMVE…你都掌握了吗？一文总结强化学习必备经典模型（二）
I2A、MBMF、MVE、DMVE…你都掌握了吗？一文总结强化学习必备经典模型（二）
机器之心
2+阅读 · 2022年11月27日
AI好奇心，不只害死猫！MIT强化学习新算法，智能体这回「难易通吃」
AI好奇心，不只害死猫！MIT强化学习新算法，智能体这回「难易通吃」
新智元
0+阅读 · 2022年11月27日
【AAAI2023】基于序图的因果结构强化学习
【AAAI2023】基于序图的因果结构强化学习
专知
4+阅读 · 2022年11月25日
《多智能体交互的深度强化学习》爱丁堡大学10余为作者2022最新论文
《多智能体交互的深度强化学习》爱丁堡大学10余为作者2022最新论文
专知
5+阅读 · 2022年11月24日
【CMU博士论文】强化学习可解释：统一状态和策略级解释，132页pdf
【CMU博士论文】强化学习可解释：统一状态和策略级解释，132页pdf
专知
3+阅读 · 2022年11月22日
DQN、A3C、DDPG、IQN…你都掌握了吗？一文总结强化学习必备经典模型（一）
DQN、A3C、DDPG、IQN…你都掌握了吗？一文总结强化学习必备经典模型（一）
机器之心
6+阅读 · 2022年11月20日
【2022新书】深度强化学习基础: Python的理论与实践, 413页pdf
【2022新书】深度强化学习基础: Python的理论与实践, 413页pdf
专知
10+阅读 · 2022年11月18日
强化学习如何可解释？浙大最新《可解释强化学习》综述，37页pdf1阐述XRL概念、算法、挑战
强化学习如何可解释？浙大最新《可解释强化学习》综述，37页pdf1阐述XRL概念、算法、挑战
专知
9+阅读 · 2022年11月17日
参考链接
维基百科
父主题
机器学习
数据挖掘
子主题
马尔可夫决策过程
UNREAL(DRL算法)
深度强化学习
预期回报
人工智能游戏
图强化学习
微信扫码咨询专知VIP会员
Top