强化学习目录

已于 2022-07-11 12:34:37 修改
阅读量411 收藏 1
点赞数 1
分类专栏： 各专栏目录 文章标签： 机器学习 深度学习 神经网络
于 2021-07-30 15:10:06 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_40206371/article/details/119247573
版权
强化学习笔记1：强化学习概述_刘文巾的博客-CSDN博客
强化学习笔记2：序列决策(Sequential Decision Making)过程_刘文巾的博客-CSDN博客
强化学习笔记3：RL agent的主要组成部分_刘文巾的博客-CSDN博客
强化学习笔记4：强化学习分类_刘文巾的博客-CSDN博客
强化学习笔记5：learning&planning， exploration&exploitation_刘文巾的博客-CSDN博客
强化学习笔记：Policy-based Approach_UQI-LIUWJ的博客-CSDN博客策略学习
强化学习笔记：policy learning_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：带基线的策略梯度_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：置信域策略优化 TRPO_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：不完全观测问题_UQI-LIUWJ的博客-CSDN博客
并行梯度下降+A2C （A3C）_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：连续控制 & 确定策略梯度DPG_UQI-LIUWJ的博客-CSDN博客连续策略
强化学习笔记：随机高斯策略_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：双延时确定策略梯度 (TD3)_UQI-LIUWJ的博客-CSDN博客
强化学习笔记 Ornstein-Uhlenbeck 噪声和DDPG_UQI-LIUWJ的博客-CSDN博客
模仿学习笔记：行为克隆_UQI-LIUWJ的博客-CSDN博客模仿学习
模仿学习：逆向强化学习(Inverse Reinforcement Learning， IRL)_UQI-LIUWJ的博客-CSDN博客
模仿学习笔记：生成判别模仿学习 Generative Adversarial Imitation Learning, GAIL_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：马尔可夫过程 &马尔可夫奖励过程_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：马尔可夫决策过程 Markov Decision Process(MDP)_UQI-LIUWJ的博客-CSDN博客MDP
强化学习笔记： backup diagram_UQI-LIUWJ的博客-CSDN博客
强化学习笔记： MDP - Policy iteration_UQI-LIUWJ的博客-CSDN博客
MDP 笔记：Value Iteration_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：Q-learning_UQI-LIUWJ的博客-CSDN博客Q-learning
强化学习笔记：Q-learning ：temporal difference 方法_UQI-LIUWJ的博客-CSDN博客
强化学习笔记： generalized policy iteration with MC_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：Sarsa算法_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：Q_learning （Q-table）示例举例_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：PPO 【近端策略优化（Proximal Policy Optimization）】_UQI-LIUWJ的博客-CSDN博客
DQN笔记：MC & TD_UQI-LIUWJ的博客-CSDN博客DQN
DQN 笔记 State-action Value Function(Q-function)_UQI-LIUWJ的博客-CSDN博客
DQN 笔记 double DQN_UQI-LIUWJ的博客-CSDN博客
针对连续动作的DQN_UQI-LIUWJ的博客-CSDN博客
强化学习笔记 experience replay 经验回放_UQI-LIUWJ的博客-CSDN博客
DQN笔记：高估问题 & target network & Double DQN_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：对决网略（dueling network）_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：noisy DQN_UQI-LIUWJ的博客-CSDN博客
异步并行强化学习 + Double DQN_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：Actor-critic_UQI-LIUWJ的博客-CSDN博客actor-critic
强化学习笔记 DDPG (Deep Deterministic Policy Gradient)_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：分层强化学习_UQI-LIUWJ的博客-CSDN博客
多智能体强化学习：多智能体系统_UQI-LIUWJ的博客-CSDN博客multi-agent
多智能体强化学习：合作关系设定下的多智能体强化学习_UQI-LIUWJ的博客-CSDN博客
非合作关系设定下的多智能体强化学习_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：连续控制与 MADDPG_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：self-attention + multi-agent RL（中心化训练）_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：AlphaGo(AlphaZero) ，蒙特卡洛树搜索（MCTS）_UQI-LIUWJ的博客-CSDN博客
强化学习笔记： 应用举例_UQI-LIUWJ的博客-CSDN博客
强化学习笔记：强化学习的约束_UQI-LIUWJ的博客-CSDN博客

注：强化学习分类中的很多文章均参考了李宏毅老师的课程 & 王树森老师的《深度强化学习》

UQI-LIUWJ
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
通用人工智能之路：什么是强化学习？如何结合深度学习？
FRIGIDWINTER的博客
07-03 6673
【专栏订阅必读】ChatGPT强大魔力的关键因素之一是应用了强化学习模型，本文系统梳理强化学习中环境、智能体、奖赏、动作、状态等关键概念，并给出深度强化学习框架。
PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础
盼小辉丶的博客
05-29 10万+
工欲善其事，必先利其器。为了更专注于学习强化学习的思想，而不必关注其底层的计算细节，我们首先搭建相关强化学习环境，包括 PyTorch 和 Gym，其中 PyTorch 是我们将要使用的主要深度学习框架，Gym 则提供了用于各种强化学习模拟和任务的环境。除此之外，本文还介绍了一些 PyTorch 的基础知识，以及 Gym 环境的使用方法，为之后的强化学习实战奠定基础。
【学习强化学习】总目录
weixin_42301220的博客
06-26 843
强化学习知识点目录
强化学习笔记总目录
chenxy_bwave的专栏
12-04 7987
强化学习自学笔记，主要基于Sutton-RLbook-2020。除了概念学习外，力争以自主手撕python的代码的方法将书中所提及的所有算法全部实现一遍。
深度强化学习目录
qq_39160779的博客
07-11 971
目录
强化学习的学习之路（零）_2021-00-00：目录
热爱可抵漫长岁月
01-06 1538
作为一个新手，写这个教程也是想和大家分享一下自己学习强化学习的心路历程，希望对大家能有所帮助。这个系列后面会不断更新，希望自己能保证起码平均一天一更的速度，先是介绍强化学习的一些基础知识，后面介绍强化学习的相关论文。本来是想每一篇多更新一点内容的，后面想着大家看CSDN的话可能还是喜欢短一点的文章，就把很多拆分开来了，完整的我整理好了会放在github上，大家一起互相学习啊！可能会有很多错漏，希望大家批评指正！ 为了便于大家能够更清楚地了解到都有什么内容，在这里放一下目录： 强化学习的基本介绍 （一）强化的
《强化学习》-读书笔记-总目录
小了白了兔_白了又了白的博客
12-30 643
章节目录1. 导论I 表格型求解方法2. 多臂赌博机K臂赌博机增量式实现跟踪一个非平稳问题乐观初始值基于置信度上界（UCB）的动作选择梯度赌博机算法3. 有限马尔科夫决策过程（有限MDP）目标和收益回报和分幕策略和价值函数最优策略与最优价值函数 1. 导论 参考书籍：https://item.jd.com/12696004.html 在交互中学习是几乎所有学习和智能理论的基本思想，强化学习相比于其他机器学习方法，更加侧重于以交互目标为导向进行学习。 强化学习四要素：策略、收益、价值函数、环境模型。 策略：
强化学习入门学习记录
thriving_fcl的博客
05-06 1999
RL属于机器学习中比较有意思的一个领域，监督学习、无监督学习都是一堆静止的数据去训练模型，而强化学习是让模型与环境的交互中进行学习，让人感觉更像一种有智慧的生物（然而并不是）。
强化学习
褚骏逸的学习之路
09-04 359
强化学习是从直接的实验中进行学习。Reinforcement learning is learning from direct experiments. The goal of the learner is to find out the optimal behavior or actions to maximize the reward or the cost function。 ...
deep-RL-time-series.zip_强化学习_强化学习 预测_时间序列算法_深度强化学习_预测
07-15
深度强化学习（Deep Reinforcement Learning, DRL）是人工智能领域的一个重要分支，它结合了强化学习（Reinforcement Learning, RL）与深度学习（Deep Learning）的优势，使得智能体能够通过与环境的交互来学习最优...
DQN深度强化学习解决三维在线装箱问题python源码+项目说明.zip
最新发布
04-08
DQN深度强化学习解决三维在线装箱问题python源码+项目说明.zip ## 问题描述 物流公司在流通过程中，需要将打包完毕的箱子装入到一个货车的车厢中，为了提高物流效率，需要将车厢尽量填满，显然，车厢如果能被100%填...
基于强化学习的自适应机器人控制算法实现.zip_matlab simulink_强化学习控制_机器人
07-15
强化学习是一种人工智能领域的学习方法，它让智能系统通过与环境的交互来学习最优策略，以最大化预期的奖励。在自适应机器人控制领域，强化学习能够帮助机器人不断调整其行为策略，以适应未知或变化的环境。MATLAB ...
【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 1643
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
强化学习系列之二:模型相关的强化学习
bbbeoy的专栏
01-16 1387
文章目录 [隐藏] 1. 策略迭代 1.1 策略评估 1.2 策略改进 2. 价值迭代 3. 总结性结尾（好魔性的标题） 强化学习系列系列文章       上一章我们介绍了强化学习的基本假设——马尔科夫决策过程 (Markov Decision Process)。本文将介绍模型相关的强化学习算法。       有的时候，我们完全知
深度强化学习—— 译 Deep Reinforcement Learning(part 0: 目录、简介、背景)
zxxRobot的博客
08-25 4464
深度强化学习译 Deep Reinforcement Learning综述1 简介合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入...
David Silver深度强化学习系列更新目录【2019-07-29持续更新】
不负如来不负卿
07-29 794
David Silver深度强化学习系列更新目录 第一课
强化学习入门总结
热门推荐
菜鸟很菜的专栏
10-13 14万+
目录 一、强化学习概述 1.强化学习简介 2.发展历程： 3.MDP（马儿可夫决策过程） 4.why RL？ 5.总结： 二、强化学习求解方法 1.动态规划方法 2.蒙特卡洛方法 3.时间差分方法 三、强化学习算法分类 1.分类一： 2.分类二： 3.分类三： 4.分类四： 四、代表性算法 1.Q-learning 2.Sarsa: 3.大名鼎鼎的DQN 4...
知乎《强化学习知识大讲坛》学习笔记
ZONGXP的博客
11-01 4287
转载自：知乎-天津包子馅儿，机器人学博士
pytorch 学习笔记目录
qq_40206371的博客
06-20 2797
pytorch 实现transformer_刘文巾的博客-CSDN博客
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

打赏作者

UQI-LIUWJ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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