本文简要总结了单智能体强化学习(RL)的许多关键结果。目标受众是那些已经熟悉RL并希望回顾、参考和/或提醒自己该领域的重要想法的人。

成为VIP会员查看完整内容
58

相关内容

强化学习实战:机遇与挑战,56页pdf
专知会员服务
81+阅读 · 2022年5月7日
【2022新书】强化学习工业应用,408页pdf
专知会员服务
231+阅读 · 2022年2月3日
最新《深度强化学习中的迁移学习》综述论文
专知会员服务
157+阅读 · 2020年9月20日
卷积神经网络的概述论文:分析、应用和展望,21页pdf
专知会员服务
91+阅读 · 2020年4月7日
专知会员服务
239+阅读 · 2020年1月23日
【实用书】强化学习实战:Python,110页pdf
【干货】强化学习介绍
人工智能学家
13+阅读 · 2018年6月24日
干货|浅谈强化学习的方法及学习路线
机器学习算法与Python学习
16+阅读 · 2018年3月28日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
48+阅读 · 2009年12月31日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
VIP会员
相关主题
相关VIP内容
强化学习实战:机遇与挑战,56页pdf
专知会员服务
81+阅读 · 2022年5月7日
【2022新书】强化学习工业应用,408页pdf
专知会员服务
231+阅读 · 2022年2月3日
最新《深度强化学习中的迁移学习》综述论文
专知会员服务
157+阅读 · 2020年9月20日
卷积神经网络的概述论文:分析、应用和展望,21页pdf
专知会员服务
91+阅读 · 2020年4月7日
专知会员服务
239+阅读 · 2020年1月23日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
48+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员