强化学习(RL)的一个主要挑战是在探索环境以收集信息和利用到目前为止观察到的样本来执行“好的”(近乎最佳的)行动之间进行权衡。在本研讨会中，我们将回顾在连续状态-动作空间中如何将探索技术与函数近似相结合。我们将特别关注探索机制与深度学习技术的整合。研讨会应提供足够的理论和算法背景，以了解现有的技术，并可能设计新的方法。在整个讲座中，我们将讨论开放性问题和未来可能的研究方向。
成为VIP会员查看完整内容
【137页slides】Exploration in Deep Reinforcement Learning
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。
Arxiv
0+阅读 · 2021年5月31日
Arxiv
0+阅读 · 2021年5月31日
Arxiv
4+阅读 · 2018年8月17日
Arxiv
4+阅读 · 2017年12月2日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2021年5月31日
Arxiv
0+阅读 · 2021年5月31日
Arxiv
4+阅读 · 2018年8月17日
Arxiv
4+阅读 · 2017年12月2日
微信扫码咨询专知VIP会员