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。
Zero-Shot Policy Transfer in Reinforcement Learning using Buckingham's Pi Theorem
Arxiv
0+阅读 · 10月9日
Obstacle Avoidance using Dynamic Movement Primitives and Reinforcement Learning
Arxiv
0+阅读 · 10月10日
CDE: Concept-Driven Exploration for Reinforcement Learning
Arxiv
0+阅读 · 10月9日
An Imitative Reinforcement Learning Framework for Pursuit-Lock-Launch Missions
Arxiv
0+阅读 · 10月10日
Language Model Guided Reinforcement Learning in Quantitative Trading
Arxiv
0+阅读 · 10月10日
Model-Based Lookahead Reinforcement Learning for in-hand manipulation
Arxiv
0+阅读 · 10月10日
Detecting Data Contamination from Reinforcement Learning Post-training for Large Language Models
Arxiv
0+阅读 · 10月10日
Maximizing UAV Cellular Connectivity with Reinforcement Learning for BVLoS Path Planning
Arxiv
0+阅读 · 10月10日
DeepEN: Personalized Enteral Nutrition for Critically Ill Patients using Deep Reinforcement Learning
Arxiv
0+阅读 · 10月9日
On The Sample Complexity Bounds In Bilevel Reinforcement Learning
Arxiv
0+阅读 · 10月9日
ClauseLens: Clause-Grounded, CVaR-Constrained Reinforcement Learning for Trustworthy Reinsurance Pricing
Arxiv
0+阅读 · 10月9日
A Survey of Reinforcement Learning for Large Reasoning Models
A Survey of Reinforcement Learning for Large Reasoning Models
Arxiv
0+阅读 · 10月9日
Convergence Theorems for Entropy-Regularized and Distributional Reinforcement Learning
Arxiv
0+阅读 · 10月9日
xRouter: Training Cost-Aware LLMs Orchestration System via Reinforcement Learning
xRouter: Training Cost-Aware LLMs Orchestration System via Reinforcement Learning
Arxiv
0+阅读 · 10月9日
Hierarchical Reinforcement Learning with Low-Level MPC for Multi-Agent Control
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
微信扫码咨询专知VIP会员
Top