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。
【斯坦福博士论文】在复杂环境中决策学习内容
【斯坦福博士论文】在复杂环境中决策学习内容
专知会员服务
24+阅读 · 4月14日
【CVPR2025】神经运动模拟器：在强化学习中突破世界模型的极限
【CVPR2025】神经运动模拟器：在强化学习中突破世界模型的极限
专知会员服务
13+阅读 · 4月13日
【经典书】Rollout、策略迭代与分布式强化学习
【经典书】Rollout、策略迭代与分布式强化学习
专知会员服务
23+阅读 · 4月13日
【博士论文】强化学习智能体的奖励函数设计
【博士论文】强化学习智能体的奖励函数设计
专知会员服务
30+阅读 · 4月8日
刚刚，DeepSeek新论文《自我原则批评调整（SPCT），以促进 GRM 中有效的推理时间可扩展行为》
刚刚，DeepSeek新论文《自我原则批评调整（SPCT），以促进 GRM 中有效的推理时间可扩展行为》
专知会员服务
20+阅读 · 4月4日
大语言模型时代的城市计算
大语言模型时代的城市计算
专知会员服务
20+阅读 · 4月4日
【CMU博士论文】基于课程学习的鲁棒强化学习
【CMU博士论文】基于课程学习的鲁棒强化学习
专知会员服务
16+阅读 · 3月27日
《组合优化问题强化学习框架在动态武器目标分配中的应用》61页
《组合优化问题强化学习框架在动态武器目标分配中的应用》61页
专知会员服务
52+阅读 · 3月21日
《基于强化学习的定向能武器空战编队机动决策研究》最新92页
《基于强化学习的定向能武器空战编队机动决策研究》最新92页
专知会员服务
43+阅读 · 3月14日
《强化学习自我博弈方法在兵棋推演分析与开发中的应用》最新132页
《强化学习自我博弈方法在兵棋推演分析与开发中的应用》最新132页
专知会员服务
31+阅读 · 3月14日
《混合专家系统（Mixture-of-Experts）的综合研究：算法、理论与应用
《混合专家系统（Mixture-of-Experts）的综合研究：算法、理论与应用
专知会员服务
42+阅读 · 3月12日
《2对2超视距空战机动问题的强化学习方法》最新126页
《2对2超视距空战机动问题的强化学习方法》最新126页
专知会员服务
44+阅读 · 3月11日
2024图灵奖颁给了强化学习之父Richard Sutton与导师Andrew Barto
2024图灵奖颁给了强化学习之父Richard Sutton与导师Andrew Barto
专知会员服务
13+阅读 · 3月5日
LLM后训练：深入探讨推理大语言模型
LLM后训练：深入探讨推理大语言模型
专知会员服务
33+阅读 · 3月3日
【CVPR2025】CarPlanner: 一种用于自动驾驶大规模强化学习的一致性自回归轨迹规划
【CVPR2025】CarPlanner: 一种用于自动驾驶大规模强化学习的一致性自回归轨迹规划
专知会员服务
13+阅读 · 3月2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