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
5425
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
《基于智能体的自组织任务分配:面向涌现型多智能体系统的强化学习》260页
专知会员服务
26+阅读 · 5月6日
强化多模态大语言模型:基于强化学习的推理综述
专知会员服务
17+阅读 · 5月3日
Tina:基于 LoRA 的轻量级推理模型
专知会员服务
13+阅读 · 4月24日
【MIT博士论文】通过强化学习的生成式发现
专知会员服务
15+阅读 · 4月23日
【NTU博士论文】基于协作式多智能体强化学习的决策制定
专知会员服务
25+阅读 · 4月21日
【书籍】《强化学习课程(第二版)》
专知会员服务
49+阅读 · 4月19日
【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
29+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
专知会员服务
14+阅读 · 4月13日
【经典书】Rollout、策略迭代与分布式强化学习
专知会员服务
25+阅读 · 4月13日
【博士论文】强化学习智能体的奖励函数设计
专知会员服务
33+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》
专知会员服务
21+阅读 · 4月4日
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
专知会员服务
17+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
专知会员服务
54+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
专知会员服务
45+阅读 · 3月14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