强化学习_经典论文框架

已于 2022-07-18 22:52:05 修改
阅读量1.3k 收藏 5
点赞数
分类专栏： 论文 强化学习 深度学习 文章标签： 深度学习 人工智能 强化学习
于 2022-02-08 21:29:43 首次发布
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_36870202/article/details/122831467
版权

汇总

在这里插入图片描述

文章目录

Paper

DQN Series

【2010】Double Q-learning

《Double Q-learning》
https://www.researchgate.net/profile/Hado-Van-Hasselt/publication/221619239_Double_Q-learning/links/00b7d51ff71387936a000000/Double-Q-learning.pdf

在这里插入图片描述

【2013】【DQN】

《Playing Atari with Deep Reinforcement Learning》NIPS 2013
https://arxiv.org/pdf/1312.5602.pdf

在这里插入图片描述

【2015】【Nature DQN】

《Human-level control through deep reinforcement learning》Nature 2015
https://web.stanford.edu/class/psych209/Readings/MnihEtAlHassibis15NatureControlDeepRL.pdf

【2015】【Double DQN】

《Deep Reinforcement Learning with Double Q-learning》
https://arxiv.org/pdf/1509.06461.pdf

【2016】【Dueling DQN】

《Dueling Network Architectures for Deep Reinforcement Learning》ICML 2016
https://arxiv.org/pdf/1511.06581.pdf

【2016】【Prioritized DQN】

《PRIORITIZED EXPERIENCE REPLAY》ICLR 2016
https://arxiv.org/pdf/1511.05952.pdf

在这里插入图片描述

Policy Gradient

PG -> DPG -> DDPG

【2000】【PG】

《Policy Gradient Methods for Reinforcement Learning with Function Approximation》
http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=029AD004E9AAC8429FC7DBCA0844CF07?doi=10.1.1.79.5189&rep=rep1&type=pdf

【2014】【DPG】

《Deterministic Policy Gradient Algorithms》
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.636.826&rep=rep1&type=pdf

【2015】【DDPG】

《Continuous control with deep reinforcement learning》
https://arxiv.org/pdf/1509.02971.pdf

在这里插入图片描述

【2017】【PPO】

《Proximal Policy Optimization Algorithms》
https://arxiv.org/pdf/1707.06347.pdf

在这里插入图片描述

Actor-Critic Series

【2016】【A3C】

《Asynchronous Methods for Deep Reinforcement Learning》
https://arxiv.org/pdf/1602.01783.pdf

在这里插入图片描述

【2018】【SAC】

《Soft Actor-Critic Algorithms and Applications》
https://arxiv.org/pdf/1812.05905.pdf

在这里插入图片描述

AlphaGo Series (with MCTS)

【2016】【AlphaGo】

《Mastering the game of Go with deep neural networks and tree search》
https://web.iitd.ac.in/~sumeet/Silver16.pdf

在这里插入图片描述
在这里插入图片描述

【2017】【AlphaZero】

《Mastering the game of Go without human knowledge》
https://skatgame.net/mburo/ps/alphago-zero.pdf

在这里插入图片描述
在这里插入图片描述

Dyna Architecture

【2008】【Dyna-2】

《Sample-Based Learning and Search with Permanent and Transient Memories》
http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=04BFBCB30CFB501DFB15BB400454A0BC?doi=10.1.1.149.4393&rep=rep1&type=pdf

在这里插入图片描述

Review

在这里插入图片描述

在这里插入图片描述在这里插入图片描述
在这里插入图片描述

Recent

【2021】【Mava】

《Mava_a research framework for distributed multi-agent reinforcement learning》
https://paperswithcode.com/paper/mava-a-research-framework-for-distributed
https://arxiv.org/pdf/2107.01460v1.pdf
https://github.com/instadeepai/Mava
在这里插入图片描述

【2021】【SVEA】

《Stabilizing Deep Q-Learning with ConvNets and Vision Transformers under Data Augmentation》
https://www.bilibili.com/video/BV12w411f74a
http://arxiv.org/abs/2107.00644
https://nicklashansen.github.io/SVEA

在这里插入图片描述

在这里插入图片描述

Others

Book

【Sutton】Reinforcement Learning: An Introduction
http://incompleteideas.net/book/the-book-2nd.html

【肖智清】《强化学习:原理与Python实现》
https://book.douban.com/subject/34478302/

Blogs

【刘建平Pinard】【强化学习-专栏】
https://www.cnblogs.com/pinard/category/1254674.html

Slides

【2016】【ICML】deep_rl_tutorial.pdf
https://icml.cc/2016/tutorials/deep_rl_tutorial.pdf

Course

【UCL】UCL Course on RL
https://www.davidsilver.uk/teaching/

哈喽十八子
关注
专栏目录
分层强化学习框架与实践
程序员光剑
04-04 1073
强化学习是机器学习的一个重要分支,它通过奖励和惩罚的机制,让智能体在与环境的交互中不断学习和优化行为策略,以获得最大化的累积奖励。然而,在复杂的环境中,单一的强化学习代理很难学习到最优的行为策略。分层强化学习就是为了解决这个问题而提出的一种框架,它通过将任务分解为多个层次,让不同层次的代理协同工作,从而提高学习效率和策略质量。
深度强化学习论文
01-20
深度强化学习简介，里面有应该看的论文，如果对深度强化学习感兴趣的，可以看看这个。
【论文解读】 Neural Architecture Search with reinforcement learning
https://github.com/Wheeeeeeeeels
03-13 2230
【论文解读】 Neural Architecture Search with reinforcement learning 论文作者：Barret Zhph*,Quoc V.Le [来自于 Google Brain] 论文标题：Neural Architecture Search with reinforcement learning/(使用强化学习进行神经网络架构搜索) 论文会议：ILCR 2...
强化学习经典论文
04-15
强化学习经典论文强化学习经典论文强化学习经典论文强化学习经典论文
【论文笔记】强化学习DQN专题经典论文6篇
Xixoqw的博客
09-23 6122
论文列表详见：openAI spinning-up key paper list
2018年强化学习领域十篇重要论文（附源码）
喜欢打酱油的老鸟
06-08 4287
2019-06-06 09:47:57 来自网络 与其他机器学习方法相比，比如监督式学习、迁移学习、甚至非监督式学习学习相比，深度强化学习方法极其需要大量数据，而且常常不稳定，从性能上来说可能不是最好的选择。 RL一直以来只成功地应用于那些可以根据需要生成大量模拟数据的领域，比如游戏和机器人。 尽管 RL 在解决业务用例方面存在局限性，但一些 AI 专家认为，这种方法是实现人工或超人类...
强化学习论文汇总——更新中
JacobJiang的博客
11-23 446
1、reinforcement learning (Sutton and Barto, 1998) 2、Q-learning（Watkins, 1989） 3、DQN algorithm（Mnih et al., 2015） 4、Double DQN（Hado van Hasselt et al., 2015） 5、Dueling DQN（Wang et al., 2016） 6、NOISYNET DQN（MeireFortunato et al., 2019） ...
[model-free] 经典强化学习论文合集
StarryDoorway的博客
09-05 325
仅供自己参考学习使用，如果有问题或者觉得内容不错，请去原文作者处点赞和讨论，谢谢。 原文地址：https://zhuanlan.zhihu.com/p/89058164 github：https://github.com/PaddlePaddle/PARL/blob/develop/papers/archive.md 整体介绍 这篇文章主要介绍经典的model-free 算法。对刚接触强化学习，然后又想深入了解RL的同学来说，是一个很好的论文合集。文章涵盖了首次用神经网络结合强化学习的D..
Algorithm_强化学习_ppo_强化学习算法_ActorCritic_强化学习AC_
09-30
强化学习的算法主要分为两大类： 基于值的算法(Value-Based) 和 基于策略的算法(Policy-Based)。...在AC框架下进一步介绍目前学术界用得最多的几种强化学习算法，也包括《RND》这篇论文中使用的PPO算法。
基于深度强化学习的兵棋推演决策方法框架.pdf
08-18
以经典的Q-学习算法为基础，深度强化学习方法可以学习到复杂的策略和价值函数，从而解决复杂的决策问题。 兵棋推演是军事领域中的一种重要的决策工具，通过模拟战争场景，评估不同战术和战略的效果，帮助军队指挥官...
强化学习入门必读论文（DQN相关）
05-05
整理了强化学习入门时必看的论文，主要是有关DQN算法的，致力于强化学习的小伙伴应该必看这些论文的
强化学习论文
08-12
强化学习近几年的论文　英文
顶会论文 65篇IJCAI深度强化学习论文汇总.pdf
03-19
汇总了65篇IJCAI上“深度强化学习”的专题论文，深度强化学习，这不就是生命的进化规律嘛！欢迎感兴趣的朋友下载学习。
基于MDPs的主动强化学习_Active Reinforcement Learning over MDPs
01-24
【基于MDPs的主动强化学习】是机器学习领域的一个重要概念，主要应用于复杂环境下的决策制定。MDP（Markov Decision Process）即马尔可夫决策过程，它是一种用于建模具有随机性的离散时间序列决策问题的数学框架。在...
PARL 是一个高性能、灵活的强化学习框架
最新发布
02-11
用户无需自己重新实现算法，通过复用框架提供的算法可以轻松地把经典强化学习算法应用到具体的场景中。 良好扩展性。当用户想调研新的算法时，可以通过继承我们提供的基类可以快速实现自己的强化学习算法。
【论文】强化学习必读经典论文 | 如何学习强化学习 | 强化学习入门
王博（Kings）的博客
06-26 3707
Christopher JCH Watkins and Peter Dayan. Q-learning. Machine learning, 8(3-4):279–292, 1992. Gerald Tesauro. Temporal difference learning and TD-gammon. Communications of the ACM, 38(3):58–68, 1995....
【论文笔记】强化学习策略梯度（PG）专题经典论文8篇
Xixoqw的博客
10-18 1641
Policy Gridient专题论文阅读 介绍了8篇经典的强化学习策略梯度方法的论文。
强化学习论文合集
qq_16568205的博客
07-12 922
http://spinningup.openai.com/en/latest/spinningup/keypapers.html
强化学习-经典论文
Major_S的博客
07-25 323
强化学习强化学习强化学习 DQN DDPG PPO A3C
深度强化学习框架DRN：新闻推荐的新突破
这篇名为“DRN：深度强化学习框架用于新闻推荐”的论文提出了一种新的方法，以解决这些难题。 首先，传统的推荐系统通常只关注即时的反馈，例如用户的点击率（Click Through Rate，CTR），以此作为奖励信号。然而，...
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