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。
DRMD: Deep Reinforcement Learning for Malware Detection under Concept Drift
Arxiv
0+阅读 · 11月14日
Backdoors in DRL: Four Environments Focusing on In-distribution Triggers
Arxiv
0+阅读 · 12月12日
LocoMamba: Vision-Driven Locomotion via End-to-End Deep Reinforcement Learning with Mamba
Arxiv
0+阅读 · 12月14日
Discovering autonomous quantum error correction via deep reinforcement learning
Arxiv
0+阅读 · 11月16日
How to Brake? Ethical Emergency Braking with Deep Reinforcement Learning
Arxiv
0+阅读 · 12月11日
Natural-gas storage modelling by deep reinforcement learning
Arxiv
0+阅读 · 11月4日
An Introduction to Deep Reinforcement and Imitation Learning
Arxiv
0+阅读 · 12月8日
An Introduction to Deep Reinforcement and Imitation Learning
Arxiv
0+阅读 · 12月11日
Large Language Model-Based Reward Design for Deep Reinforcement Learning-Driven Autonomous Cyber Defense
Arxiv
0+阅读 · 11月20日
Risk-Aware Deep Reinforcement Learning for Dynamic Portfolio Optimization
Arxiv
0+阅读 · 11月14日
Deep Reinforcement Learning for Multi-flow Routing in Heterogeneous Wireless Networks
Arxiv
0+阅读 · 11月3日
Adaptive Plane Reformatting for 4D Flow MRI using Deep Reinforcement Learning
Arxiv
0+阅读 · 12月1日
TooBadRL: Trigger Optimization to Boost Effectiveness of Backdoor Attacks on Deep Reinforcement Learning
Arxiv
0+阅读 · 11月18日
Discovering Self-Protective Falling Policy for Humanoid Robot via Deep Reinforcement Learning
Arxiv
0+阅读 · 12月1日
DeepEN: A Deep Reinforcement Learning Framework for Personalized Enteral Nutrition in Critical Care
Arxiv
0+阅读 · 11月19日
参考链接
微信扫码咨询专知VIP会员
Top