Reinforcement Learning: An Introduction 2nd Edition（强化学习）英文原文读后感

最新推荐文章于 2022-10-18 07:25:16 发布
置顶 最新推荐文章于 2022-10-18 07:25:16 发布
阅读量1k 收藏
点赞数 1
分类专栏： RL 文章标签： RL
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_36231549/article/details/98629092
版权
本书《Reinforcement Learning: An Introduction》第二版，由Richard S. Sutton著，耗时约120小时阅读完毕。内容涵盖强化学习（RL）的三大维度，深入解析Tabular Solution Methods和Approximate Solution Methods两大方法。通过丰富实例，全面对比各方法的推导和性能，由浅入深，适合初学者系统掌握强化学习。计划二次阅读，进一步深化理解。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

利用大约120小时左右的时间，看完了这本书的英文原文，作者Richard S. Sutton，对强化学习入门都至关重要，可以系统全面的帮我们入门，刚开始到前八章，都能看懂，但是就是不知道为什么这么干，令人有些不适，直到第九章也就是第二部分才慢慢了解作者的思路或者说RL发展的历史过程。
总结起来，作者从RL的三大维度讲解了 Tabular Solution Methods 和Approximate Solution Methods 两大方法、并通过无数个大大小小的demo，全面系统的分析了各个方法的推导和性能比较，由浅入深，很不错哦！

当然准备二刷
敬请期待后续更新…
原书地址可下载：Reinforcement Learning: An Introduction 2nd Edition

强化学习概念入门
nangonghen的博客
02-11 313
强化学习的概念入门
《强化学习导论》第2版 中文版勘误Reinforcement Learning: An Introduction Second Edition Correction
weixin_43689554的博客
10-16 3410
以下勘误信息本人均已提交至博文视点官网http://www.broadview.com.cn，由于官方勘误速度较慢，因此发出来希望与本书读者一同交流，并持续更新 1.页码：39 • 行数：10 • 印次 1 “…，并且将Rt(bar)用qstar(At)代替。…”————Rt(bar)应为Rt 2.页码：75 • 行数：1 • 印次 1 “只所以……”————“只”改为“之” 3.页码：98 • ...
Reinforcement Learning An Introduction(2nd)2018.pdf
02-20
Reinforcement Learning: An Introduction Small book cover Richard S. Sutton and Andrew G. Barto Second Edition (see here for the first edition) MIT Press, Cambridge, MA, 2018
【书籍阅读 Ch4】Reinforcement Learning An Introduction, 2nd Edition
这里是张聪明，正在学习中，请稍后
01-19 667
Chapter 4: Dynamic Programming回顾与进入 前言：第1、2章点此进入；第3章点此进入 注：每一个目录对应的是在pdf的页数（如果LPage就是书左上角的页码 - 因为我发现后面我要在两页之间加空白页 做练习lol 例如：LPage28 就是左上角书页28页，RPage29就是右上角书页29页）；【】这个框架之间有时候是我留的疑问，与一些关于方向上连接的想法 主要集中于无人驾驶的控制层，带问号结束的就是…我的疑问 更新时间：2021/01/07 推荐观看： 1.英文 - PDF链
Reinforcement Learning: An Introduction second edition
03-23
强化学习的经典书籍，是强化学习比较好的学习资料。
Reinforcement learning an introduction中文pdf
08-25
Reinforcement learning an introduction中文pdf
2017强化学习英文最新综述 Deep Reinforcement Learning: An Overview
01-01
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。
深度强化学习：入门(Deep Reinforcement Learning: Scratching the surface)
热门推荐
MapleStory的博客
11-21 2万+
本博客是对学习李宏毅教授在youtube上传的课程视频《Deep Reinforcement Learning: Scratching the surface》所做的笔记，供大家学习参考。需要翻墙：课程视频链接热度起源 RL的方案 学习Go监督学习与增强学习 更多应用 RL的难点 后面内容的大纲 Policy-based ApproachLearning an Actor热度起源 15年2月：Goo
增强学习导论代码Reinforcement Learning - An Introduction(Second edition, Draft)
11-07
Reinforcement Learning - An Introduction(Second edition, Draft)代码
Reinforcement Learning: An Introduction 2nd solutions （第二版 答案）
04-09
sutton的强化学习第二版的答案，不确定是否为sutton亲自提供的，仅供参考，还是很有帮助的
强化学习导论 第二版 英文版 2017最新版 Reinforcement Learning An Introduction
12-27
强化学习导论 第二版 英文版 2017最新版 Reinforcement Learning An Introduction
Reinforcement Learning An Introduction 2nd solutions - 副本.pdf
12-25
sutton的强化学习第二版的答案
【书籍阅读 Ch5】Reinforcement Learning An Introduction, 2nd Edition
这里是张聪明，正在学习中，请稍后
03-07 579
Chapter 5: Monte Carlo Methods回顾与进入 前言：第1、2章点此进入；第3章点此进入 注：每一个目录对应的是在pdf的页数（如果LPage就是书左上角的页码 - 因为我发现后面我要在两页之间加空白页 做练习lol 例如：LPage28 就是左上角书页28页，RPage29就是右上角书页29页）；【】这个括号之间有时候是我留的疑问，与一些关于方向上连接的想法 主要集中于无人驾驶的控制层，带问号结束的就是…我的疑问 更新时间：2021/01/18 推荐观看： 1.英文 - PDF链
《reinforcement learning ——an introduction second edition》
qq_37970624的博客
02-10 630
我们近些年反复听到强化学习、深度强化学习、阿尔法狗等名词，这些概念已经在人工智能领域越来越普及。由于深度强化学习越来越实用化，进而产生出了巨大的产业技术红利，越来越多的人们关注的是如何应用这些技术，而不是冷静思考这些技术深层次的理论基础；如火如荼的产业应用使研究者们对未来人工智能的未来走向尤为担忧，开始关注与联结主义的经典深度学习不同的人工智能范式探索。 2021年12月17日，焦李成教授提出：“神经网络不应该是目前的意义上进行权重调参，它的结构应该具备变化性、可塑性、学习性和动态性；在类脑感知的过程中，
Reinforcement Learning: An Introduction Second Edition - Chapter 2
weixin_44909139的博客
10-18 320
图书《强化学习》第二章读书笔记。
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