深度强化学习将深度学习的感知能力和强化学习的决策能力相结合,可以直接根据输入的图像进行控制,是一种更接近人类思维方式的人工智能方法,深度学习具有较强的感知能力,但是缺乏一定的决策能力;而强化学习具有决策能力,对感知问题束手无策。因此,将两者结合起来,优势互补,为复杂系统的感知决策问题提供了解决思路。本次课程包括DQN,REINFORCE,QAC,AAC。

github链接:https://github.com/xbresson/CE7454_2019/tree/master/codes/labs_lecture15

成为VIP会员查看完整内容
101

相关内容

用已知某种或某些特性的样本作为训练集,以建立一个数学模型(如模式识别中的判别模型,人工神经网络法中的权重模型等),再用已建立的模型来预测未知样本,此种方法称为有监督学习。是最常见的机器学习方法。
深度强化学习策略梯度教程,53页ppt
专知会员服务
159+阅读 · 2020年2月1日
【斯坦福新课】CS234:强化学习,附课程PPT下载
专知会员服务
98+阅读 · 2020年1月15日
麻省理工2019年深度学习导论课程全套PPT
专知
13+阅读 · 2019年2月15日
深度强化学习简介
专知
28+阅读 · 2018年12月3日
推荐|斯坦福大学面向Tensorflow深度学习研究课程(2018)
全球人工智能
4+阅读 · 2018年1月14日
Optimization for deep learning: theory and algorithms
Arxiv
98+阅读 · 2019年12月19日
Deep Learning for Energy Markets
Arxiv
7+阅读 · 2019年4月10日
Arxiv
8+阅读 · 2019年3月21日
Deep Graph Infomax
Arxiv
15+阅读 · 2018年12月21日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
7+阅读 · 2018年9月25日
Arxiv
17+阅读 · 2018年8月30日
VIP会员
相关论文
Optimization for deep learning: theory and algorithms
Arxiv
98+阅读 · 2019年12月19日
Deep Learning for Energy Markets
Arxiv
7+阅读 · 2019年4月10日
Arxiv
8+阅读 · 2019年3月21日
Deep Graph Infomax
Arxiv
15+阅读 · 2018年12月21日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
7+阅读 · 2018年9月25日
Arxiv
17+阅读 · 2018年8月30日
微信扫码咨询专知VIP会员