【KDD2019|讲座推荐】深强化学习及其在交通运输中的应用：Deep Reinforcement Learning with Applications in Transportation

讲座题目

深强化学习及其在交通运输中的应用：Deep Reinforcement Learning with Applications in Transportation

讲座简介

交通领域，特别是移动共享领域，有许多传统上具有挑战性的动态决策问题，这些问题有很长的研究文献，很容易从人工智能（AI）中受益匪浅。一些核心例子包括在线乘车命令调度，它将可用的驾驶员与在共享平台上请求乘客的行程实时匹配；路线规划，它规划行程的起点和终点之间的最佳路线；交通信号控制，它动态和自适应地调整实现低延迟的区域。所有这些问题都有一个共同的特点，即当我们关注某一特定时间范围内的一些累积目标时，需要做出一系列的决定。强化学习（RL）是一种机器学习范式，它通过与环境的交互和获取反馈信号，训练agent学会在环境中采取最佳行动（以获得的总累积回报衡量）。因此，它是一类求解序列决策问题的优化方法。

讲座嘉宾

Jen-Tzung Chien在台湾新竹国立清华大学取得电机工程博士学位。现任职于台湾新竹国立交通大学电子及电脑工程学系及电脑科学系讲座教授。2010年，他担任IBM沃森研究中心的客座教授。他的研究兴趣包括机器学习、深度学习、自然语言处理和计算机视觉。在2011年获得了IEEE自动语音识别和理解研讨会的最佳论文奖，并在2018年获得了AAPM Farrington Daniels奖。2015年，剑桥大学出版社出版《贝叶斯语音与语言处理》;2018年，学术出版社出版《源分离与机器学习》。他目前是IEEE信号处理技术委员会机器学习的当选成员。