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

基于课程学习的深度强化学习研究综述
专知会员服务
14+阅读 · 11月28日
【2022新书】深度强化学习基础: Python的理论与实践
智能博弈综述:游戏AI 对作战推演的启示
专知会员服务
41+阅读 · 8月29日
参考链接
父主题
微信扫码咨询专知VIP会员