成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
强化学习
关注
5399
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。
综合
百科
荟萃
VIP
热门
动态
论文
精华
Gymnasium: A Standard Interface for Reinforcement Learning Environments
Arxiv
0+阅读 · 10月9日
Probabilistic Satisfaction of Temporal Logic Constraints in Reinforcement Learning via Adaptive Policy-Switching
Arxiv
0+阅读 · 10月10日
Neuroplastic Expansion in Deep Reinforcement Learning
Arxiv
0+阅读 · 10月10日
Rethinking Adversarial Inverse Reinforcement Learning: From the Angles of Policy Imitation and Transferable Reward Recovery
Arxiv
0+阅读 · 10月10日
On the Feasibility of A Mixed-Method Approach for Solving Long Horizon Task-Oriented Dexterous Manipulation
Arxiv
0+阅读 · 10月9日
StepTool: A Step-grained Reinforcement Learning Framework for Tool Learning in LLMs
Arxiv
0+阅读 · 10月10日
Meta-Learning Integration in Hierarchical Reinforcement Learning for Advanced Task Complexity
Arxiv
0+阅读 · 10月10日
Offline Hierarchical Reinforcement Learning via Inverse Optimization
Arxiv
0+阅读 · 10月10日
The Power of Input: Benchmarking Zero-Shot Sim-To-Real Transfer of Reinforcement Learning Control Policies for Quadrotor Control
Arxiv
0+阅读 · 10月10日
Cooperative Multi-Target Positioning for Cell-Free Massive MIMO with Multi-Agent Reinforcement Learning
Arxiv
0+阅读 · 10月9日
Disturbance Observer-based Control Barrier Functions with Residual Model Learning for Safe Reinforcement Learning
Arxiv
0+阅读 · 10月9日
Coevolving with the Other You: Fine-Tuning LLM with Sequential Cooperative Multi-Agent Reinforcement Learning
Arxiv
0+阅读 · 10月8日
Solving Multi-Goal Robotic Tasks with Decision Transformer
Arxiv
0+阅读 · 10月8日
Coprocessor Actor Critic: A Model-Based Reinforcement Learning Approach For Adaptive Brain Stimulation
Arxiv
0+阅读 · 10月7日
Safe Reinforcement Learning Filter for Multicopter Collision-Free Tracking under disturbances
Arxiv
0+阅读 · 10月9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
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top