强化学习作为人工智能领域研究热点之一,它与元学习相结合的研究进展与成果也引发了众多关注。元强化学习近年来取得了令人瞩目的成就,其应用于各个领域的研究也取得较大的进步。元强化学习在总结多次学习策略的情况下,以不断改进学习算法。近年来,该方向已经取得了一系列瞩目的进展,比如策略自适应、机器人导航、加工参数优化等。故元强化学习领域具有较大的潜在研究优势。

成为VIP会员查看完整内容
76

相关内容

《自监督学习》最新报告,45页ppt
专知会员服务
74+阅读 · 2022年9月14日
结合进化算法的深度强化学习方法研究综述
专知会员服务
78+阅读 · 2022年7月16日
基于模型的强化学习综述
专知会员服务
141+阅读 · 2022年7月13日
【CMU博士论文】通过记忆的元强化学习
专知会员服务
53+阅读 · 2021年10月16日
专知会员服务
76+阅读 · 2021年7月23日
「元学习」最新AAAI2021-Tutorial,附视频与240页ppt
专知会员服务
116+阅读 · 2021年2月7日
元强化学习综述及前沿进展
专知会员服务
61+阅读 · 2021年1月31日
最新《深度卷积神经网络理论》报告,35页ppt
专知会员服务
45+阅读 · 2020年11月30日
《自监督学习》最新报告,45页ppt
专知
1+阅读 · 2022年9月14日
南大最新综述论文:基于模型的强化学习
新智元
8+阅读 · 2022年8月1日
基于模型的强化学习综述
专知
29+阅读 · 2022年7月13日
【团队新作】深度强化学习进展: 从AlphaGo到AlphaGo Zero
中国科学院自动化研究所
17+阅读 · 2018年1月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年10月24日
Arxiv
0+阅读 · 2022年10月24日
Arxiv
15+阅读 · 2018年4月3日
VIP会员
相关主题
相关VIP内容
《自监督学习》最新报告,45页ppt
专知会员服务
74+阅读 · 2022年9月14日
结合进化算法的深度强化学习方法研究综述
专知会员服务
78+阅读 · 2022年7月16日
基于模型的强化学习综述
专知会员服务
141+阅读 · 2022年7月13日
【CMU博士论文】通过记忆的元强化学习
专知会员服务
53+阅读 · 2021年10月16日
专知会员服务
76+阅读 · 2021年7月23日
「元学习」最新AAAI2021-Tutorial,附视频与240页ppt
专知会员服务
116+阅读 · 2021年2月7日
元强化学习综述及前沿进展
专知会员服务
61+阅读 · 2021年1月31日
最新《深度卷积神经网络理论》报告,35页ppt
专知会员服务
45+阅读 · 2020年11月30日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员