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。
A Novel Reinforcement Learning Model for Post-Incident Malware Investigations
Arxiv
0+阅读 · 1月12日
Dual Active Learning for Reinforcement Learning from Human Feedback
Arxiv
0+阅读 · 2024年12月31日
Securing Integrated Sensing and Communication Against a Mobile Adversary: A Stackelberg Game with Deep Reinforcement Learning
Arxiv
0+阅读 · 1月4日
Dynamic Optimization of Storage Systems Using Reinforcement Learning Techniques
Arxiv
0+阅读 · 2024年12月29日
Joint Adaptive OFDM and Reinforcement Learning Design for Autonomous Vehicles: Leveraging Age of Updates
Arxiv
0+阅读 · 2024年12月24日
Scalable Similarity-Aware Test Suite Minimization with Reinforcement Learning
Arxiv
0+阅读 · 1月15日
Adaptive Context-Aware Multi-Path Transmission Control for VR/AR Content: A Deep Reinforcement Learning Approach
Arxiv
0+阅读 · 2024年12月27日
The Power of Input: Benchmarking Zero-Shot Sim-To-Real Transfer of Reinforcement Learning Control Policies for Quadrotor Control
Arxiv
0+阅读 · 2024年12月26日
Reinforcement Learning from Automatic Feedback for High-Quality Unit Test Generation
Arxiv
0+阅读 · 1月6日
Low-Rank Contextual Reinforcement Learning from Heterogeneous Human Feedback
Arxiv
0+阅读 · 2024年12月27日
RA-PbRL: Provably Efficient Risk-Aware Preference-Based Reinforcement Learning
Arxiv
0+阅读 · 1月6日
RA-RLHF: Provably Efficient Risk-Aware Reinforcement Learning Human Feedback
Arxiv
0+阅读 · 2024年12月24日
RA-PbRL: Provably Efficient Risk-Aware Preference-Based Reinforcement Learning
Arxiv
0+阅读 · 1月9日
Compositional Automata Embeddings for Goal-Conditioned Reinforcement Learning
Arxiv
0+阅读 · 1月15日
Learning Implicit Social Navigation Behavior using Deep Inverse Reinforcement Learning
Arxiv
0+阅读 · 1月12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