您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 强化学习综述

  2. 强化学习非常重要,强化学习内容有趣,强化学习相关资料
  3. 所属分类:机器学习

    • 发布日期:2017-12-07
    • 文件大小:1048576
    • 提供者:qihuai8860
  1. 2017强化学习英文最新综述 Deep Reinforcement Learning: An Overview

  2. 2017强化学习英文最新综述 Deep Reinforcement Learning: An Overview,主要讨论了深度强化学习六个核心要素,六个重要机制和十二个应用。文章从机器学习的背景开始,深入讨论了强化学习。难能可贵的是,本文也讨论了强化学习的最新应用,特别是AlphaGo,机器人,自然语言处理,包括对话系统,机器翻译和文本生成,计算机视觉等。是非常好的入门学习资料。
  3. 所属分类:深度学习

    • 发布日期:2018-01-01
    • 文件大小:1048576
    • 提供者:zhuf14
  1. 最新中文深度强化学习综述文章, 利于入门学习者理解(兼论计算机围棋的发展)

  2. 这是几篇最新中文深度强化学习综述。综述了深度强化学习的发展历程, 兼论计算机围棋的历史, 阐述了3类主要的深度强化学习方法,包括基于值函数的深度强化学习、基于策略梯度的深度强化学习和基于搜索与监督的深度强化学习;其次对深度强化学习领域的一些前沿研究方向进行了综述,包括分层深度强化学习、多任务迁移深度强化学习、多智能体深度强化学习、基于记忆与推理的深度强化学习等.最后总结了深度强化学习在若干领域的成功应用和未来发展趋势。本文是中文深度强化学习综述,更利于入门学习者理解。
  3. 所属分类:深度学习

    • 发布日期:2018-01-01
    • 文件大小:3145728
    • 提供者:zhuf14
  1. 强化学习综述论文

  2. 强化学习以及深度强化学习的四篇综述;中文论文
  3. 所属分类:机器学习

    • 发布日期:2018-08-22
    • 文件大小:3145728
    • 提供者:hcoderunner
  1. 深度强化学习综述 x2

  2. 深度强化学习综述(刘全等) 深度强化学习综述:兼论计算机围棋的发展
  3. 所属分类:深度学习

    • 发布日期:2018-09-21
    • 文件大小:3145728
    • 提供者:wizardforcel
  1. 深度强化学习综述

  2. Li Yuxi关于深度强化学习最新综述,重点讨论六种核心元素,六种重要机制及十二项应用。
  3. 所属分类:深度学习

    • 发布日期:2018-10-31
    • 文件大小:2097152
    • 提供者:sinat_33855278
  1. 深度强化学习综述

  2. 《DEEP REINFORCEMENT LEARNING 》深度强化学习综述 2018,原作者:Yuxi Li
  3. 所属分类:深度学习

    • 发布日期:2018-12-11
    • 文件大小:1048576
    • 提供者:bruce_lee_long
  1. 2018-深度强化学习综述

  2. 深度强化学习是人工智能领域的一个新的研究热点.它以一种通用的形式将深度学习的感知能力与强化学习的决策能力相结合,并能够通过端对端的学习方式实现从原始输入到输出的直接控制.自提出以来,在许多需要感知高维度原始输入数据和决策控制的任务中,深度强化学习方法已经取得了实质性的突破.该文首先阐述了三类主要的深度强化学习方法,包括基于值函数的深度强化学习、基于策略梯度的深度强化学习和基于搜索与监督的深度强化学习;其次对深度强化学习领域的一些前沿研究方向进行了综述,包括分层深度强化学习、多任务迁移深度强化学
  3. 所属分类:深度学习

    • 发布日期:2019-01-06
    • 文件大小:2097152
    • 提供者:qq_23100417
  1. 深度强化学习综述

  2. 深度强化学习综述,阐述近些年来深度学习方法的脉络,发展和概况,有助于读者快速了解深度强化学习整体概况
  3. 所属分类:深度学习

    • 发布日期:2019-02-13
    • 文件大小:2097152
    • 提供者:weixin_40673048
  1. 20190806-10篇经典深度强化学习资料.rar

  2. 1.Reinforcement learning_ An introduction.pdf 2.Playing Atari with Deep Reinforcement Learning.pdf 3.model-based-RL-deepmind.pdf 4.Human-level_control_through_deep_reinforcement_learning.pdf 5.Human-level control through deep reinforcement learning
  3. 所属分类:深度学习

    • 发布日期:2019-08-06
    • 文件大小:16777216
    • 提供者:magiczhu1
  1. 强化学习领域的课程学习:一个框架和综述.pdf

  2. 强化学习(RL)是一种流行的处理顺序决策任务的范式,其中agent只有有限的环境反馈。尽管在过去的三十年里取得了许多进步,但是在许多领域的学习仍然需要大量的与环境的交互,这在现实的场景中是非常昂贵的。为了解决这个问题,迁移学习被应用于强化学习,这样在一个任务中获得的经验可以在开始学习下一个更困难的任务时得到利用。
  3. 所属分类:机器学习

    • 发布日期:2020-03-22
    • 文件大小:1048576
    • 提供者:syp_net
  1. 基于生成对抗网络的模仿学习综述(计算机学报).pdf

  2. 最近,新的研究工作利用生成对抗网络技术和强化学习技术等分别对这些问题进行改进,并在观察机制、多智能体系统等方面对GAIL进行了拓展。本文综述了这些有代表性的工作,并探讨这类算法未来的发展趋势,最后进行了总结。
  3. 所属分类:机器学习

    • 发布日期:2020-02-24
    • 文件大小:1048576
    • 提供者:syp_net
  1. 多智能体强化学习综述_杜威.pdf

  2. 多智能体系统是一种分布式计算技术,可用于解决各种领域的问题,包括机器人系统、分布式决策、交通控制和商业管理等。这是被高引用的综述论文,入门可以看看。
  3. 所属分类:机器学习

    • 发布日期:2020-02-09
    • 文件大小:437248
    • 提供者:thu_peter
  1. 深度强化学习综述

  2. 这是一些很好的深度强化学习综述。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。
  3. 所属分类:深度学习

    • 发布日期:2019-01-11
    • 文件大小:2097152
    • 提供者:liguochao1001
  1. 基于值函数和策略梯度的深度强化学习综述_刘建伟.pdf

  2. 作为人工智能领域的热门研究问题,深度强化学习自提出以来,就受到人们越来越多的关注。目前,深度强化学 习能够解决很多以前难以解决的问题,比如直接从原始像素中学习如何玩视频游戏和针对机器人问题学习控制策略,深度强 化学习通过不断优化控制策略,建立一个对视觉世界有更高层次理解的自治系统。其中,基于值函数和策略梯度的深度强化 学习是核心的基础方法和研究重点。本文对这两类深度强化学习方法进行了系统的阐述和总结,包括用到的求解算法和网络 结构。首先,概述了基于值函数的深度强化学习方法,包括开山鼻祖深度Q 网
  3. 所属分类:机器学习

    • 发布日期:2020-09-01
    • 文件大小:1048576
    • 提供者:SparkQiang
  1. 强化学习算法与应用综述(中文版)

  2. 强化学习是机器学习领域的研究热点, 是考察智能体与环境的相互作用, 做出序列决策、优化策略并最大化累积回报的过程. 强化学习具有巨大的研究价值和应用潜力, 是实现通用人工智能的关键步骤.
  3. 所属分类:机器学习

    • 发布日期:2020-12-17
    • 文件大小:1048576
    • 提供者:syp_net
  1. 多Agent深度强化学习综述

  2. 近年来, 深度强化学习(Deep reinforcement learning, DRL)在诸多复杂序贯决策问题中取得巨大突破.由于融合了深度学习强大的表征能力和强化学习有效的策略搜索能力, 深度强化学习已经成为实现人工智能颇有前景的学习范式.
  3. 所属分类:机器学习

    • 发布日期:2021-01-06
    • 文件大小:4194304
    • 提供者:syp_net
  1. 无模型强化学习研究综述 (中文版)

  2. 强化学习(ReinforcementLearning,RL)作为机器学习领域中与监督学习、无监督学习并列的第三种学习范式,通过与 环境进行交互来学习,最终将累积收益最大化.常用的强化学习算法分为模型化强化学习(ModelGbasedReinforcementLearG ning)和无模型强化学习(ModelGfreeReinforcementLearning).
  3. 所属分类:机器学习

    • 发布日期:2021-03-13
    • 文件大小:1048576
    • 提供者:syp_net
  1. 分层强化学习综述

  2. 强化学习(reinforcement learning) 是机器学习和人工智能领域的重要分支,近年来受到社会各界和企业的广泛关注。强化学习算法要解决的主要问题是,智能体如何直接与环境进⾏交互来学习策略。但是当状态空间维度增加时,传统的强化学习⽅法往往⾯面临着维度灾难,难以取得好的学习效果。分层强化学习(hierarchical reinforcement learning) 致力于将一个复杂的强化学习问题分解成几个子问题并分别解决,可以取得比直接解决整个问题更好的效果。分层强化学习是解决大规模强
  3. 所属分类:其它

    • 发布日期:2021-02-21
    • 文件大小:123904
    • 提供者:weixin_38560502
  1. 仿生机器人运动步态控制:强化学习方法综述

  2. 仿生机器人运动步态控制:强化学习方法综述
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:864256
    • 提供者:weixin_38501826
« 12 »