会员服务
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。
DeepEN: Personalized Enteral Nutrition for Critically Ill Patients using Deep Reinforcement Learning
Arxiv
0+阅读 · 10月9日
Safe Obstacle-Free Guidance of Space Manipulators in Debris Removal Missions via Deep Reinforcement Learning
Arxiv
0+阅读 · 10月8日
Deep Reinforcement Learning for Urban Air Quality Management: Multi-Objective Optimization of Pollution Mitigation Booth Placement in Metropolitan Environments
Arxiv
0+阅读 · 10月7日
Deep Reinforcement Learning for Multi-Agent Coordination
Arxiv
0+阅读 · 10月4日
A Unified Deep Reinforcement Learning Approach for Close Enough Traveling Salesman Problem
Arxiv
0+阅读 · 10月3日
Optimisation of Resource Allocation in Heterogeneous Wireless Networks Using Deep Reinforcement Learning
Arxiv
0+阅读 · 9月29日
Asymmetric Information Enhanced Mapping Framework for Multirobot Exploration based on Deep Reinforcement Learning
Arxiv
0+阅读 · 9月30日
Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning
Arxiv
0+阅读 · 9月28日
Asymmetric Information Enhanced Mapping Framework for Multirobot Exploration based on Deep Reinforcement Learning
Arxiv
0+阅读 · 9月29日
Online Planning for Multi-UAV Pursuit-Evasion in Unknown Environments Using Deep Reinforcement Learning
Arxiv
0+阅读 · 7月8日
Securing Integrated Sensing and Communication Against a Mobile Adversary: A Stackelberg Game with Deep Reinforcement Learning
Arxiv
0+阅读 · 9月15日
LocoMamba: Vision-Driven Locomotion via End-to-End Deep Reinforcement Learning with Mamba
Arxiv
0+阅读 · 8月28日
LocoMamba: Vision-Driven Locomotion via End-to-End Deep Reinforcement Learning with Mamba
Arxiv
0+阅读 · 8月16日
Neuroplastic Expansion in Deep Reinforcement Learning
Arxiv
0+阅读 · 6月2日
Resilience-based post disaster recovery optimization for infrastructure system via Deep Reinforcement Learning
Arxiv
0+阅读 · 6月23日
参考链接
父主题
强化学习
微信扫码咨询专知VIP会员
Top