强化学习资料汇总

最新推荐文章于 2022-08-16 17:34:28 发布
最新推荐文章于 2022-08-16 17:34:28 发布
阅读量338 收藏 8
点赞数 1
分类专栏： 强化学习 文章标签： 强化学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33302004/article/details/116145088
版权

 

1. 国内外做强化学习的老师，高校以及公司总结

http://deeprl.neurondance.com/d/154/3

2. 教程

2.1 OpenAI Spinning Up英文版、中文版、介绍by量子位：

英文版：https://spinningup.openai.com/en/latest/spinningup/rl_intro.html

中文版：https://spinningup.readthedocs.io/zh_CN/latest/spinningup/rl_intro.html

量子位的解读：https://zhuanlan.zhihu.com/p/49087870

代码：https://github.com/AndyYue1893/spinningup

2.2 Stable Baselines3 （pytorch版本代码）：

教程：https://stable-baselines3.readthedocs.io/en/master/

代码：https://github.com/DLR-RM/stable-baselines3

3. 强化学习路线（深度学习实验室）

http://deeprl.neurondance.com/d/107

志远1997
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
强化学习 (Reinforcement Learning) 基础及论文资料汇总
SMALL_RL的博客
03-09 3595
书籍 1. 《Reinforcement Learning: An Introduction》Richard S. Sutton and Andrew G.Bartohttp://incompleteideas.net/book/RLbook2020.pdf Code (Python Implementation): GitHub - ShangtongZhang/reinforcement-learning-an-introduction: Python Implementation of Rein.
强化学习总结PPT学习
09-14
强化学习（RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。
【原创】强化学习精选资料汇总：从入门到精通，看完这些干货就够啦！
深度学习技术前沿
08-27 987
点击上方，选择星标或置顶，不定期资源大放送！阅读大概需要8分钟Follow小博主，每天更新前沿干货【导读】本文为大家整理了公众号之前发过的一系列强化学习资料和学习手册，包括：强化学习视频...
麻省、北大、清华等顶尖高校与企业 20 位强化学习专家齐聚，RLChina 2021 强化学习暑期课免费报名啦！...
CSDN资讯
08-12 3245
2016 年，AlphaGo 宛然横空出世，凭借精湛的棋艺接连战胜韩国围棋九段棋手李世石、中国围棋九段棋手柯洁之后，更是以 60 局无败绩的成绩轰动整个科技圈，人工智能的新纪元也因此开启。...
【强化学习系列】超详细整理实用资料——1 强化学习概述（包含马尔科夫、贝尔曼方程、蒙特卡洛、时间差分法）
qq_43586192的博客
09-06 1413
文章目录前言强化学习通用工作方式（敲重点！！）几个重要概念工作流程模型通用设计要点（每个模型都需要注重的点）强化学习适用场景马尔科夫马尔可夫链马尔可夫随机过程马尔可夫决策过程（敲重点！！）贝尔曼方程（敲重点！！）回报总回报价值折扣系数贝尔曼方程 前言 本菜鸡要写整个强化学习的资料啦，欢迎大家评论区讨论哦， 啾咪 q(≧▽≦q) 强化学习通用工作方式（敲重点！！） 这个图 超级 重要一定要清楚啊 几个重要概念 Agent：神经网络 ，可以看成人的大脑 Evironment：Agent所处的环境
强化学习：资料整理
FL1717的博客
08-16 386
英語：Reinforcement learning，簡稱RL）是中的一个领域，强调如何基于而行动，以取得最大化的预期利益。强化学习是除了和之外的第三种基本的机器学习方法。与监督学习不同的是，强化学习不需要带标签的输入输出对，同时也无需对非最优解的精确地纠正。其关注点在于寻找探索（对未知领域的）和利用（对已有知识的）的平衡，强化学习中的“探索-利用”的交换，在）问题和有限MDP中研究得最多。其灵感来源于心理学中的。...
强化学习算法笔记整理和总结
04-06
里面是我自己手写的强化学习笔记。参考自刘建平老师的强化学习博客，再加上自己的理解，通俗易懂。里面包含了强化学习model-free的经典论文（Q-learning、SARSA、TD(lambda)、DQN、DDQN、prioritized replay DQN、...
强化学习总结报告
01-26
该文档是导师给我安排的强化学习相关算法的学习任务，要求做出一份报告交给导师。适合对强化学习有兴趣的初学者。
基于PyTorch的强化学习算法总结.zip
最新发布
05-11
按给定条件，强化学习可分为基于模式的强化学习（model-based RL）和无模式强化学习（model-free RL），以及主动强化学习（active RL）和被动强化学习（passive RL）。强化学习的变体包括逆向强化学习、阶层强化学习...
强化学习理论部分.pdf
08-20
根据《强化学习原理与python实现》一书自己总结的笔记，非常详细！
强化学习的资料
05-28
关于强化学习的讲解，以PPT的形式出现非常条理化，是了解强化学习的好资料。
20190806-10篇经典深度强化学习资料.rar
08-06
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 6.Deep Reinforcement Learning with Double Q-learning.pdf 7.Continuous Deep Q-Learning with Model-based Acceleration.pdf 8.Continuous control with deep reinforcement learning.pdf 9.Asynchronous Methods for Deep Reinforcement Learning.pdf 10.2018-计算机学报-深度强化学习综述.pdf 该篇文章是深度强化学习入门的一篇文章，可以将自己的深度强化学习算法在Atari游戏环境中进行测试，为下一步深度强化学习算法在星际争霸2或者DOTA等游戏中研究奠定基础。
中国科学院大学_强化学习_赵东斌老师_A4纸复习资料
07-18
中国科学院大学_强化学习_赵东斌老师_A4纸复习资料，纸质版+PDF打印版
【强化学习】Q-Learning算法详解以及Python实现【80行代码】
肥宅Sean
04-20 2万+
强化学习 在文章正式开始前，请不要被强化学习的tag给吓到了，这也是我之前所遇到的一个困扰。觉得这个东西看上去很高级，需要一个完整的时间段，做详细的学习。相反，强化学习的很多算法是很符合直观思维的。 因此，强化学习的算法思想反而会是相当直观的。 另外，需要强调的是，这个算法在很多地方都有很详细的阐述了。这篇文章的工作，很多也是基于前辈的工作而继续推进的。这里也引用方便后来者进一步学习。这里再次感谢前辈的工作，确实对我有较大的帮助。 mofan大佬的教程 视频在这，比较冗长 mofan大佬的Q-Learni
强化学习系列（1）：强化学习（Reinforcement Learning）
热门推荐
深度强化学习(DeepRL)探索博客
02-02 3万+
强化学习前世今生 如今机器学习发展的如此迅猛，各类算法层出不群，特别是深度神经网络的发展，为非常经典的强化学习带来了新的思路，虽然强化学习一直在发展中，但在2013年这个关键点，DeepMind大神David Sliver使用了神经网络逼近函数值后，开始了新的方向，又一发不可收拾的证明了确定性策略等，纵观近四年的ICML,NPIS等会议论文，都有涉猎。因此本文在参考已有论文，博客
强化学习 学习资料整理(持续更新)
D_turtle的博客
05-18 517
关于强化学习，比较经典的书当然是 Richard Sutton 的 Reinforcement Learning: An Introduction. 下面的资料大部分也是关于这本书的读书笔记和相关课程及代码。 代码实现系列： Reinforcement Q-Learning from Scratch in Python with OpenAI Gym 读书笔记系列： 前言 序言 - Alvin的文章 - 知乎 Chapter 4 4.6 广义策略迭代 - Alvin的文章 - 知乎 Chapter 8: 8
强化学习的小资料一
lj19940110的博客
04-14 216
万事开头难&兴趣是最好的老师。学习强化学习，先学习如何让程序自己玩游戏吧。 先学几个小游戏： 1）大家所熟知的超级玛丽： https://github.com/Ja1r0/DQN-play-SuperMario 所需深度学习环境为pytorch。 2）吃豆豆： https://github.com/demomagic/dqn_game_tensorflow/ 环境：tenso...
【强化学习】入门和资料
Kun Wang's 博客
12-09 1791
去年的alpha go到 alpha go zero 在到Alpha Zero， deeepmaid真的是不断在刷分，追赶不及。核心还是深度学习+强化学习。感觉深度学习的发展已经逐渐进入冷却期。NIPS的文章数量虽然排在第二名，但是除非出现非常创新性的算法，例如Le Cun 老爷子的Capsule Net啥的，当然。。个人观点。深度学习这把火一起烧起来的还有强化学习。毕竟能让机器自己学习，在控制、
深度强化学习算法汇总
08-18
深度强化学习算法汇总包括MuZero、SAC、PPO、TD3、DDPG、DQN等算法。MuZero是一种基于Monte Carlo Tree Search（MCTS）的算法，它可以在没有先验知识的情况下学习玩多种不同的游戏。SAC（Soft Actor-Critic）是一种...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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