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
5383
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
FlagVNE: A Flexible and Generalizable Reinforcement Learning Framework for Network Resource Allocation
Arxiv
0+阅读 · 4月25日
Multi-Agent Reinforcement Learning for Energy Networks: Computational Challenges, Progress and Open Problems
Arxiv
0+阅读 · 4月24日
A Low Latency Adaptive Coding Spiking Framework for Deep Reinforcement Learning
Arxiv
0+阅读 · 4月24日
FlagVNE: A Flexible and Generalizable Reinforcement Learning Framework for Network Resource Allocation
Arxiv
0+阅读 · 4月24日
DPO: Differential reinforcement learning with application to optimal configuration search
Arxiv
0+阅读 · 4月24日
Controlgym: Large-Scale Control Environments for Benchmarking Reinforcement Learning Algorithms
Arxiv
0+阅读 · 4月23日
Multi-view Disentanglement for Reinforcement Learning with Multiple Cameras
Arxiv
0+阅读 · 4月22日
Evolutionary Reinforcement Learning via Cooperative Coevolution
Arxiv
0+阅读 · 4月23日
Convergence of a model-free entropy-regularized inverse reinforcement learning algorithm
Arxiv
0+阅读 · 4月23日
Large Language Model as a Policy Teacher for Training Reinforcement Learning Agents
Arxiv
0+阅读 · 4月22日
Robust Reinforcement Learning Objectives for Sequential Recommender Systems
Arxiv
0+阅读 · 4月18日
Beyond the Edge: An Advanced Exploration of Reinforcement Learning for Mobile Edge Computing, its Applications, and Future Research Trajectories
Arxiv
0+阅读 · 4月22日
A Policy Adaptation Method for Implicit Multitask Reinforcement Learning Problems
Arxiv
0+阅读 · 4月20日
Multi-AUV Cooperative Underwater Multi-Target Tracking Based on Dynamic-Switching-enabled Multi-Agent Reinforcement Learning
Arxiv
0+阅读 · 4月23日
Multi-AUV Cooperative Underwater Multi-Target Tracking Based on Dynamic-Switching-enabled Multi-Agent Reinforcement Learning
Arxiv
0+阅读 · 4月21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