如何学习良好的潜在表示是现代机器学习时代的一个重要课题。对于强化学习，使用一个好的表示使决策过程更加有效。本次演讲，我将介绍我们的工作，构建基于任务的潜在操作空间，用于基于搜索的黑盒函数优化，寻找策略变更的表示，该表示支持在不完全信息协同博弈中联合策略搜索，以及不同的表示如何影响RL探索。
视频：
成为VIP会员查看完整内容
【视频】Yuandong Tian - Finding Good Representation for Search and Exploration in RL @ UCL DARK
相关内容
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。
强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。
该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
相关VIP内容
相关资讯
相关论文
微信扫码咨询专知VIP会员