學習 Deep Reinforcement Learning 的過程中，通過閱讀經(jīng)典算法的論文，并在 Pytorch 上實現(xiàn)這些算法，項目在 G...
投稿
收錄了19篇文章 · 23人關注
-
深度強化學習算法總結 -
如何求強化學習最優(yōu)解
在一篇文章強化學習與馬爾可夫決策中，介紹了使用馬爾可夫決策過程對強化學習的過程進行建模。通過建模可以得出，只要求解最優(yōu)價值函數(shù)，即可得到對應的最...
-
基于Value的強化學習算法
在文章強化學習與馬爾可夫決策中，介紹了使用馬爾可夫決策模型對強化學習的過程進行建模，本篇文章將介紹基于這一模型而引出的一些強化學習的經(jīng)典算法。 ...
-
基于Policy的強化學習算法
在文章基于Value的強化學習算法中，介紹了Q-learning和SARSA兩種經(jīng)典的強化學習算法。在本篇文章中，將介紹一下基于Policy的經(jīng)...
-
強化學習與馬爾可夫決策
在上一篇文章 強化學習的基本概念 中，用大白話介紹了強化學習的一些基本概念，尤其是強化學習的基本過程。在了解了強化學習的基本概念之后，在本篇文章...
-
強化學習的基本概念
強化學習是機器學習領域的一個分支，通過不斷的與環(huán)境交互，不斷的積累經(jīng)驗，最后讓Agent學會如何在目標環(huán)境中取得最高的得分。在本篇文章中，筆者將...
-
增強模型的探索能力-強化學習NoisyNet原理及實現(xiàn)！
增加Agent的探索能力是強化學習中經(jīng)常遇到的問題，一種常用的方法是采用e-greedy的策略，即以e的概率采取隨機的動作，以1-e的概率采取當...
-
深度強化學習（二）：基本原理與結構一、組成與結構 1.1、基本概念 強化學習通常使用馬爾可夫決策過程（Markov Decision Process,MDP）來描述，具體而言：機...
-
深度強化學習（三）：從Q-Learning到DQN一、無模型的強化學習 在上一節(jié)中介紹了基于模型的強化學習方法(動態(tài)規(guī)劃)，其中的前提是知道環(huán)境的狀態(tài)轉移概率，但在實際問題中，狀態(tài)轉移的信息往往...
-
深度強化學習（四）：DQN的拓展和改進一、預備工具 1.1、Gym Gym是OpenAI開發(fā)的通用強化學習算法測試平臺，集成了眾多仿真實驗環(huán)境，開發(fā)者可以直接調用寫好的環(huán)境，而不必考...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/360885/crop1540183034642.jpg', '推薦專題《深度強化學習》（ 分享自 @簡書 ）','http://www.itdecent.cn/c/d5bbe2ffe123?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','頁面編碼gb2312|utf-8默認gb2312'));){kind=link}