發(fā)簡信
IP屬地：廣東
-
Applying Expert Data into RL
方法一：先用expert數(shù)據(jù)(s,a)監(jiān)督訓(xùn)練pre-train policy網(wǎng)絡(luò)，再繼續(xù)RL訓(xùn)練。但是需要expert數(shù)據(jù)量夠大， 不然容易陷...
-
RL Paper Review
導(dǎo)航 Learning to Navigate in Cites Without a Map, NIPS2018，DeepMind 本篇是Dee...
-
IJCAI 2019
本次IJCAI之行共七天時(shí)間。前面三天是tutorial和workshop同時(shí)進(jìn)行。后面四天是conference，每個(gè)時(shí)間段有多個(gè)sessio...
-
動(dòng)態(tài)規(guī)劃先考慮斐波拉契數(shù)列： 對fib(6)遞歸樹如下： 遞歸實(shí)現(xiàn)： 那么會多次調(diào)用函數(shù)求解common的子問題，比如fib(3), fib(2)。我們...
-
ws：OpenAI Deep RL一 什么是RL RL是trail and error來解決問題。 RL條件：你有一個(gè)sequential decision making問題，你...
-
class：deep RL UC Berkeley用法總結(jié) Imitation learning只能模仿所給的demonstration，并不能超越，而且沒有應(yīng)用到reward。 對于Marko...