Deep Reinforcement Learning 深度增强学习资源

最新推荐文章于 2020-09-05 16:44:18 发布
最新推荐文章于 2020-09-05 16:44:18 发布
阅读量323 收藏 1
点赞数
分类专栏： Machine Learning

多谢作者的总结：

http://blog.csdn.NET/songrotek/article/details/50572935



1 学习资料

增强学习课程 David Silver （有视频和ppt）:

http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html

最好的增强学习教材：

Reinforcement Learning: An Introduction

https://webdocs.cs.ualberta.ca/~sutton/book/the-book.html

 

深度学习课程 （有视频有ppt有作业）

 

https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

 

深度增强学习的讲座都是David Silver的：

ICLR 2015 part 1 https://www.youtube.com/watch?v=EX1CIVVkWdE

ICLR 2015 part 2 https://www.youtube.com/watch?v=zXa6UFLQCtg

UAI 2015 https://www.youtube.com/watch?v=qLaDWKd61Ig

RLDM 2015 http://videolectures.net/rldm2015_silver_reinforcement_learning/

 

其他课程：

增强学习

Michael Littman:

https://www.udacity.com/course/reinforcement-learning–ud600

 

AI（包含增强学习，使用Pacman实验）

Pieter Abbeel：

https://www.edx.org/course/artificial-intelligence-uc-berkeleyx-cs188-1x-0#.VKuKQmTF_og

 

Deep reinforcement Learning:

Pieter Abbeel

http://rll.berkeley.edu/deeprlcourse/

 

高级机器人技术（Advanced Robotics）：

Pieter Abbeel：

http://www.cs.berkeley.edu/~pabbeel/cs287-fa15/

 

深度学习相关课程：

用于视觉识别的卷积神经网络（Convolutional Neural Network for visual network)

http://cs231n.github.io/

 

机器学习 Machine Learning

Andrew Ng

https://www.coursera.org/learn/machine-learning/

http://cs229.stanford.edu/

 

神经网络（Neural Network for Machine Learning)(2012年的）

Hinton:

https://www.coursera.org/course/neuralnets

 

最新机器人专题课程Penn（2016年开课）：

https://www.coursera.org/specializations/robotics

 

2 论文资料

https://github.com/junhyukoh/deep-reinforcement-learning-papers

https://github.com/muupan/deep-reinforcement-learning-papers

 

这两个人收集的基本涵盖了当前deep reinforcement learning 的论文资料。目前确实不多。

 

3 大牛情况：

DeepMind：

http://www.deepmind.com/publications.html

 

Pieter Abbeel 团队：

http://www.eecs.berkeley.edu/~pabbeel/

 

Satinder Singh:

http://web.eecs.umich.edu/~baveja/

 

CMU 进展：

http://www.cs.cmu.edu/~lerrelp/

 

Prefered Networks: (日本创业公司，很强，某有代码）

 

4 会议情况

Deep Reinforcement Learning Workshop NIPS 2015

http://rll.berkeley.edu/deeprlworkshop/

酸奶o
关注
专栏目录
深度强化学习 (Deep Reinforcement Learning)
AI天才研究院
06-13 1094
深度强化学习 (Deep Reinforcement Learning) 1.背景介绍 深度强化学习（Deep Reinforcement Learning, DRL）是人工智能领域的一个重要分支，它结合了深度学习和强化学习的优势，能够在复杂环境中实现智能
[论文阅读]Deep Reinforcement Learning in Continuous Action Spaces: a Case Study in the Game of Simulated
weixin_42128001的博客
04-28 497
1.摘要： 目前越来越多的现实世界中的应用要求agent选择动作在一个连续动作空间，离散动作一个微笑的变化会影响全局，本文模拟环境为一个冰壶游戏。 2.Introduction： 我们设计了一个深度卷积策略值网络，以冰壶运动为模拟器，冰壶运动的动作空间大，策略复杂。policy输出每个动作的概率分布，value输出最终得分分布[-8,8]。 3.Related work： （1）alphago zero：在没有任何手工知识的情况下自行训练，策略和值网络一样，能够加快训练。 （2）博弈树中对持续动作空间，动
深度强化学习 Deep Reinforcement Learning 学习整理
热门推荐
人工智能
07-14 1万+
这学期的一门机器学习课程中突发奇想，既然卷积神经网络可以识别一副图片，解决分类问题，那如果用神经网络去控制‘自动驾驶’，在一个虚拟的环境中不停的给网络输入车周围环境的图片，让它去选择前后左右中的一个操作，并给予适当的反馈，是否能够把‘驾驶问题’，转化为分类的问题，用神经网络解决呢。 和经典的强化学习 Reinforcement Learning 最大的区别是，它将直接处理像素级的超高维度raw
Deep Reinforcement Learning In Action-CH1 pdf+code(by Alexander Zai)
04-12
Deep Reinforcement Learning In Action-CH1, pdf+code,by Alexander Zai(亚马逊工程师)，后续会继续更新。
Deep Reinforcement Learning in Large Discrete Action Spaces
10-29
Deep Reinforcement Learning in Large Discrete Action Spaces论文
Deep Reinforcement Learning深度强化学习
04-03
深度强化学习（Deep Reinforcement Learning，简称DRL）是强化学习（Reinforcement Learning，简称RL）与深度学习（Deep Learning，简称DL）的结合体。强化学习是一种学习范式，主要研究如何基于环境提供的反馈进行...
Playing Atari with Deep Reinforcement Learning（DQN）文献翻译.pdf
06-11
本文提到的文献是关于深度强化学习模型的...研究者们通过将深度学习技术融入到强化学习模型中，不仅创新地解决了传统方法所面临的问题，还取得了在雅达利2600游戏上的显著成果，从而将深度强化学习推向了一个新的高度。
deep reinforcement learning
10-25
深度增强学习（Deep Reinforcement Learning，简称DeepRL）是人工智能领域的一个重要分支，它结合了深度学习（Deep Learning，简称DL）与增强学习（Reinforcement Learning，简称RL）的技术，用于处理复杂决策过程中...
Deep Reinforcement Learning Hands-On
10-05
Deep Reinforcement Learning Hands-On Apply modern RL methods, with deep Q-networks, value iteration, policy gradients, TRPO, AlphaGo Zero and more by Maxim Lapan Publisher: Packt Publishing Release ...
deep-reinforcement-learning-networks, 一种用于强化学习任务的深层神经网络结构.zip
09-17
deep-reinforcement-learning-networks, 一种用于强化学习任务的深层神经网络结构 深层强化学习网络一种用于强化学习任务的深层神经网络结构。纸域模型架构源代码Mnih等，2013AtariDQN ( 缩略图版本)第一个 conv 层：16个滤波器，带步步 4的8个 ×8. 第二层：32个滤波器，带步步
金融股票深度学习论文整理
07-06
具体论文名列表： A deep learning framework for financial time series using stacked autoencoders and longshort term memory.pdf Big_Data_Deep_Learning_for_financial_sentiment_ana.pdf Deep Direct Reinforcement Learning for Financial Signal Representation and Trading.pdf Deep Leaming for Stock Market Prediction Using Technical Indicators and Financial.pdf Deep learning for finance deep portfolios.pdf Deep Learning for Multivariate Financial Time Series.pdf Deep Learning for Stock Prediction Using Numerical and Textual Information.pdf Deep Learning in Finance.pdf Deep Learning Networks for Stock Market Analysis and Prediction.pdf Deep Learning Stock Volatility with Google Domestic Trends.pdf deep stock representation learning from candlestick charts to investment decisions.pdf Financial Analysis Stock Market Prediction Using Deep Learning Algorithms.pdf Knowledge-Driven Stock Trend Prediction and Explanation via Temporal Convolutional Network.pdf Leveraging Financial News for Stock Trend Prediction with Attention-Based Recurrent Neural Network.pdf list.txt Machine Learning Techniques for Stock Prediction.pdf Stock Price Prediction Using Machine Learning and Deep Learning Frameworks.pdf 变步长BLSTM集成学习股票预测.pdf 论文阅读笔记Deep learning for event-driven stock prediction.pdf
Python-深度强化学习PyTorch实现集锦
08-11
This repository contains most of classic deep reinforcement learning algorithms, including - DQN, DDPG, A3C, PPO, TRPO. (More algorithms are still in progress)
Deep Reinforcement Learning 强化学习详解
qq_18297893的博客
06-19 2941
概念 定义 强化学习（Reinforcement Learning，RL），是指一类从（与环境）交互中不断学习的问题以及解决这类问题的方法. 强化学习问题可以描述为一个智能体从与环境的交互中不断学习以完成特定目标（比如取得最大奖励值）. 和深度学习类似，强化学习中的关键问题也是贡献度分配问题，每一个动作并不能直接得到监督信息，需要通过整个模型的最终监督信息（奖励）得到，并且有一定的延时性. 例子： 多臂老虎机（Multi-Armed Bandit Problem） 悬崖行走 两个对象：
深度学习（10）:Reinforcement Learning
liujiandu101的博客
03-06 368
强化学习
乐器演奏_深度强化学习代理演奏的蛇
weixin_26752765的博客
09-05 281
乐器演奏Ever since I watched the Netflix documentary AlphaGo, I have been fascinated by Reinforcement Learning. Reinforcement Learning is comparable with learning in real life: you see something, you do s...
Deep Reinforcement learning - Policy Gradient+PPO+TRPO
Forlogenの解忧杂货铺
07-08 722
生物进化过程中为适应环境而进行的学习有两个特点 人从来不是静止的被动等待而是主动的对环境进行试探 环境对于人的试探动作产生一个反馈，人根据环境的反馈来调整以后的行为，是一种从环境状态到行为映射的学习 因此从自然界中的种种规律中得到启发，便有了强化学习。强化学习（Reinforcement Learning，RL）又被称为再励学习、增强学习，是指从环境状态到行为映射的学习，以使系统行为从环境中获...
深度强化学习精要：Grokking Deep Reinforcement Learning
《Grokking Deep Reinforcement Learning》是一本全面介绍深度强化学习的指南，适合对机器学习和人工智能感兴趣的读者，无论他们是初学者还是有一定经验的研究者，都能从中受益匪浅。通过阅读这本书，读者将不仅了解...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值