会员服务
人工智能 · 强化学习 · 模型 · 加州大学伯克利分校 (UC Berkeley) · Michael Janner ·
2019 年 12 月 12 日
【伯克利，基于模型的强化学习：理论与实践】《Model-Based Reinforcement Learning:Theory and Practice》，Michael Janner
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

主题： Model-Based Reinforcement Learning:Theory and Practice

摘要： 强化学习系统可以通过两种方式之一做出决策。在基于模型的方法中，系统使用世界的预测模型来提问“如果我做x会发生什么？”？“选择最好的x1。在另一种无模型方法中，建模步骤被完全忽略，有利于直接学习控制策略。尽管在实践中，这两种技术之间的界限可能变得模糊，但作为一种粗略的指导，它对于划分算法可能性的空间是有用的。

嘉宾简介： Michael Janner，伯克利人工智能研究实验室的一名博士生。

成为VIP会员查看完整内容
https://bair.berkeley.edu/blog/2019/12/12/mbpo/
34

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
【牛津大学博士论文】基于强化学习的无地图机器人导航，Reinforcement Learning Based MRN
【牛津大学博士论文】基于强化学习的无地图机器人导航，Reinforcement Learning Based MRN
专知会员服务
116+阅读 · 2020年5月18日
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
专知会员服务
127+阅读 · 2020年4月19日
【AAAI2020教程】强化学习中的Exploration-Exploitation in Reinforcement Learning
专知会员服务
99+阅读 · 2020年2月8日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
178+阅读 · 2020年2月1日
【NeurIPS2019演讲】伯克利Pieter Abbeel，通过元强化学习实现更好的基于模型的RL(Better Model-based RL through Meta RL)
【NeurIPS2019演讲】伯克利Pieter Abbeel，通过元强化学习实现更好的基于模型的RL(Better Model-based RL through Meta RL)
专知会员服务
32+阅读 · 2019年12月13日
【微软Alekh等开放新书】强化学习理论与算法（Reinforcement Learning:Theory and Algorithms），附83页pdf
【微软Alekh等开放新书】强化学习理论与算法（Reinforcement Learning:Theory and Algorithms），附83页pdf
专知会员服务
115+阅读 · 2019年11月24日
【新书稿：强化学习：理论与算法】《Reinforcement Learning: Theory and Algorithms》by Alekh Agarwal, Nan Jiang, Sham M. Kakade (2019)，(附83页pdf)
【新书稿：强化学习：理论与算法】《Reinforcement Learning: Theory and Algorithms》by Alekh Agarwal, Nan Jiang, Sham M. Kakade (2019)，(附83页pdf)
专知会员服务
78+阅读 · 2019年11月23日
【DeepMind-Nando de Freitas】强化学习教程，102页ppt，Reinforcement Learning
【DeepMind-Nando de Freitas】强化学习教程，102页ppt，Reinforcement Learning
专知会员服务
83+阅读 · 2019年11月15日
【IJCAI 2019】可扩展的深度学习:从理论到实践（Scalable Deep Learning: from theory to practice），Decebal Constantin Mocanu，Elena Mocanu
【IJCAI 2019】可扩展的深度学习:从理论到实践（Scalable Deep Learning: from theory to practice），Decebal Constantin Mocanu，Elena Mocanu
专知会员服务
15+阅读 · 2019年8月12日
【ICML2019 tutorial】主动学习:从理论到实践（Active Learning: From Theory to Practice），Robert Nowak，Steve Hanneke
【ICML2019 tutorial】主动学习:从理论到实践（Active Learning: From Theory to Practice），Robert Nowak，Steve Hanneke
专知会员服务
47+阅读 · 2019年6月10日
学界 | 伯克利、OpenAI等提出基于模型的元策略优化强化学习
学界 | 伯克利、OpenAI等提出基于模型的元策略优化强化学习
机器之心
15+阅读 · 2018年10月21日
论强化学习的根本缺陷
论强化学习的根本缺陷
AI科技评论
11+阅读 · 2018年7月24日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【深度强化学习】深度强化学习揭秘
【深度强化学习】深度强化学习揭秘
产业智能官
20+阅读 · 2017年11月13日
【AlphaGo Zero 核心技术-深度强化学习教程笔记07】策略梯度
【AlphaGo Zero 核心技术-深度强化学习教程笔记07】策略梯度
专知
6+阅读 · 2017年10月27日
【DeepMind 公开课-深度强化学习教程代码实战01】迭代法评估4*4方格世界下的随机策略
【DeepMind 公开课-深度强化学习教程代码实战01】迭代法评估4*4方格世界下的随机策略
专知
6+阅读 · 2017年10月23日
【AlphaGo核心技术-教程学习笔记03】深度强化学习第三讲 动态规划寻找最优策略
【AlphaGo核心技术-教程学习笔记03】深度强化学习第三讲 动态规划寻找最优策略
专知
10+阅读 · 2017年10月22日
【AlphaGo核心技术-教程学习笔记02】深度强化学习第二讲 马尔科夫决策过程
【AlphaGo核心技术-教程学习笔记02】深度强化学习第二讲 马尔科夫决策过程
专知
10+阅读 · 2017年10月21日
【DRL教程学习笔记01】AlphaGo Zero核心技术- 深度强化学习简介
【DRL教程学习笔记01】AlphaGo Zero核心技术- 深度强化学习简介
专知
17+阅读 · 2017年10月20日
【强化学习】「ICML教程」深度强化学习，决策与控制（117 PPT）
【强化学习】「ICML教程」深度强化学习，决策与控制（117 PPT）
产业智能官
40+阅读 · 2017年8月11日
Hierarchical Meta Learning
Arxiv
9+阅读 · 2019年4月19日
Reward learning from human preferences and demonstrations in Atari
Arxiv
8+阅读 · 2018年11月15日
Image Captioning based on Deep Reinforcement Learning
Image Captioning based on Deep Reinforcement Learning
Arxiv
9+阅读 · 2018年9月13日
Large Margin Few-Shot Learning
Arxiv
11+阅读 · 2018年7月8日
A Tour of Reinforcement Learning: The View from Continuous Control
Arxiv
6+阅读 · 2018年6月25日
Unsupervised Meta-Learning for Reinforcement Learning
Arxiv
8+阅读 · 2018年6月12日
A Study on Overfitting in Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年4月20日
Reinforcement Learning based Recommender System using Biclustering Technique
Arxiv
5+阅读 · 2018年1月17日
Learning Tree-based Deep Model for Recommender Systems
Arxiv
7+阅读 · 2018年1月8日
Deep Reinforcement Learning for List-wise Recommendations
Arxiv
13+阅读 · 2018年1月5日
VIP会员
相关主题
人工智能
强化学习
模型
加州大学伯克利分校 (UC Berkeley)
Michael Janner
相关VIP内容
【牛津大学博士论文】基于强化学习的无地图机器人导航，Reinforcement Learning Based MRN
【牛津大学博士论文】基于强化学习的无地图机器人导航，Reinforcement Learning Based MRN
专知会员服务
116+阅读 · 2020年5月18日
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
专知会员服务
127+阅读 · 2020年4月19日
【AAAI2020教程】强化学习中的Exploration-Exploitation in Reinforcement Learning
专知会员服务
99+阅读 · 2020年2月8日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
178+阅读 · 2020年2月1日
【NeurIPS2019演讲】伯克利Pieter Abbeel，通过元强化学习实现更好的基于模型的RL(Better Model-based RL through Meta RL)
【NeurIPS2019演讲】伯克利Pieter Abbeel，通过元强化学习实现更好的基于模型的RL(Better Model-based RL through Meta RL)
专知会员服务
32+阅读 · 2019年12月13日
【微软Alekh等开放新书】强化学习理论与算法（Reinforcement Learning:Theory and Algorithms），附83页pdf
【微软Alekh等开放新书】强化学习理论与算法（Reinforcement Learning:Theory and Algorithms），附83页pdf
专知会员服务
115+阅读 · 2019年11月24日
【新书稿：强化学习：理论与算法】《Reinforcement Learning: Theory and Algorithms》by Alekh Agarwal, Nan Jiang, Sham M. Kakade (2019)，(附83页pdf)
【新书稿：强化学习：理论与算法】《Reinforcement Learning: Theory and Algorithms》by Alekh Agarwal, Nan Jiang, Sham M. Kakade (2019)，(附83页pdf)
专知会员服务
78+阅读 · 2019年11月23日
【DeepMind-Nando de Freitas】强化学习教程，102页ppt，Reinforcement Learning
【DeepMind-Nando de Freitas】强化学习教程，102页ppt，Reinforcement Learning
专知会员服务
83+阅读 · 2019年11月15日
【IJCAI 2019】可扩展的深度学习:从理论到实践（Scalable Deep Learning: from theory to practice），Decebal Constantin Mocanu，Elena Mocanu
【IJCAI 2019】可扩展的深度学习:从理论到实践（Scalable Deep Learning: from theory to practice），Decebal Constantin Mocanu，Elena Mocanu
专知会员服务
15+阅读 · 2019年8月12日
【ICML2019 tutorial】主动学习:从理论到实践（Active Learning: From Theory to Practice），Robert Nowak，Steve Hanneke
【ICML2019 tutorial】主动学习:从理论到实践（Active Learning: From Theory to Practice），Robert Nowak，Steve Hanneke
专知会员服务
47+阅读 · 2019年6月10日
热门VIP内容
相关资讯
学界 | 伯克利、OpenAI等提出基于模型的元策略优化强化学习
学界 | 伯克利、OpenAI等提出基于模型的元策略优化强化学习
机器之心
15+阅读 · 2018年10月21日
论强化学习的根本缺陷
论强化学习的根本缺陷
AI科技评论
11+阅读 · 2018年7月24日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【深度强化学习】深度强化学习揭秘
【深度强化学习】深度强化学习揭秘
产业智能官
20+阅读 · 2017年11月13日
【AlphaGo Zero 核心技术-深度强化学习教程笔记07】策略梯度
【AlphaGo Zero 核心技术-深度强化学习教程笔记07】策略梯度
专知
6+阅读 · 2017年10月27日
【DeepMind 公开课-深度强化学习教程代码实战01】迭代法评估4*4方格世界下的随机策略
【DeepMind 公开课-深度强化学习教程代码实战01】迭代法评估4*4方格世界下的随机策略
专知
6+阅读 · 2017年10月23日
【AlphaGo核心技术-教程学习笔记03】深度强化学习第三讲 动态规划寻找最优策略
【AlphaGo核心技术-教程学习笔记03】深度强化学习第三讲 动态规划寻找最优策略
专知
10+阅读 · 2017年10月22日
【AlphaGo核心技术-教程学习笔记02】深度强化学习第二讲 马尔科夫决策过程
【AlphaGo核心技术-教程学习笔记02】深度强化学习第二讲 马尔科夫决策过程
专知
10+阅读 · 2017年10月21日
【DRL教程学习笔记01】AlphaGo Zero核心技术- 深度强化学习简介
【DRL教程学习笔记01】AlphaGo Zero核心技术- 深度强化学习简介
专知
17+阅读 · 2017年10月20日
【强化学习】「ICML教程」深度强化学习，决策与控制（117 PPT）
【强化学习】「ICML教程」深度强化学习，决策与控制（117 PPT）
产业智能官
40+阅读 · 2017年8月11日
相关论文
Hierarchical Meta Learning
Arxiv
9+阅读 · 2019年4月19日
Reward learning from human preferences and demonstrations in Atari
Arxiv
8+阅读 · 2018年11月15日
Image Captioning based on Deep Reinforcement Learning
Image Captioning based on Deep Reinforcement Learning
Arxiv
9+阅读 · 2018年9月13日
Large Margin Few-Shot Learning
Arxiv
11+阅读 · 2018年7月8日
A Tour of Reinforcement Learning: The View from Continuous Control
Arxiv
6+阅读 · 2018年6月25日
Unsupervised Meta-Learning for Reinforcement Learning
Arxiv
8+阅读 · 2018年6月12日
A Study on Overfitting in Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年4月20日
Reinforcement Learning based Recommender System using Biclustering Technique
Arxiv
5+阅读 · 2018年1月17日
Learning Tree-based Deep Model for Recommender Systems
Arxiv
7+阅读 · 2018年1月8日
Deep Reinforcement Learning for List-wise Recommendations
Arxiv
13+阅读 · 2018年1月5日
微信扫码咨询专知VIP会员
Top