深度强化学习 (DRL) 是一种使用深度学习技术扩展传统强化学习方法的一种机器学习方法。 传统强化学习方法的主要任务是使得主体根据从环境中获得的奖赏能够学习到最大化奖赏的行为。然而,传统无模型强化学习方法需要使用函数逼近技术使得主体能够学习出值函数或者策略。在这种情况下,深度学习强大的函数逼近能力自然成为了替代人工指定特征的最好手段并为性能更好的端到端学习的实现提供了可能。

精品内容

深度强化学习在水下目标识别中的应用研究
专知会员服务
18+阅读 · 9月3日
【ICML2024】深度强化学习中的随机潜在探索
专知会员服务
16+阅读 · 7月19日
多智能体深度强化学习研究进展
专知会员服务
46+阅读 · 7月17日
【ICML2024】上下文感知标记化的高效世界模型
专知会员服务
26+阅读 · 7月2日
强化学习中的注意力机制研究综述
专知会员服务
51+阅读 · 2月24日
基于深度强化学习的多无人车系统编队控制
专知会员服务
39+阅读 · 2月23日
参考链接
父主题
微信扫码咨询专知VIP会员