强化学习与深度学习资源

最新推荐文章于 2022-08-25 23:11:12 发布
最新推荐文章于 2022-08-25 23:11:12 发布
阅读量742 收藏 5
点赞数 3
分类专栏： 人工智能/强化学习 文章标签： 人工智能 强化学习 深度学习
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_44852767/article/details/105182004
版权
本文提供了丰富的人工智能视频资源，特别是针对强化学习和深度学习。在强化学习部分，推荐了多本教程书籍，如《Reinforcement Learning: An Introduction》，并列举了Gym和Retro等学习环境，以及多个入门和进阶视频教程。深度学习部分则介绍了《神经网络与深度学习》等书籍，以及Stanford CS230等入门视频课程。
摘要由CSDN通过智能技术生成

目录

人工智能视频集合

https://deep-learning-drizzle.github.io/

强化学习

1.书籍教程推荐

《Reinforcement Learning：An introduction》——圣经，有中文版
《Algorithms for RL》
《深入浅出强化学习：原理入门》
深度强化学习 Spinning Up 项目中文版
白话强化学习
强化学习与最优控制

2.环境

Gym环境
Retro环境——类似gym的环境，

3.平台

天授——基于pytorch的强

最低0.47元/天 解锁文章
溪云初起，山雨欲来
关注
专栏目录
强化学习导论（Reinforcement Learning）
05-26
Reinforcement Learning：An Introduction 强化学习经典入门教程
北大张志华：机器学习就是现代统计学
BigDataDigest的博客
05-15 643
大数据文摘出品内容来源：智源论坛数学最重要的魅力在于帮助我们提出解决问题的思路或途径。而机器学习在一定程度上正是数学和工程的完美结合，毕竟用数学里面的概率论、随机分析等工具研究AI早已不是什么新鲜事情。例如机器学习的四个基本原则性的问题，即泛化性、稳定性、可计算性和可解释性就可以用数学工程手段来解决。在5月 9日的北京智源人工智能研究院主办的“智源论坛——人工智能的数理基础”系列报告中，北京⼤学的...
Reinforcement Learning
04-26
We rst came to focus on what is now known as reinforcement learning in late 1979. We were both at the University of Massachusetts, working on one of the earliest projects to revive the idea that networks of neuronlike adaptive elements might prove to be a promising approach to articial adaptive intelligence. The project explored the \heterostatic theory of adaptive systems" developed by A. Harry Klopf. Harry's work was a rich source of ideas, and we were permitted to explore them critically and compare them with the long history of prior work in adaptive systems. Our task became one of teasing the ideas apart and understanding their relationships and relative importance. This continues today, but in 1979 we came to realize that perhaps the simplest of the ideas, which had long been taken for granted, had received surprisingly little attention from a computational perspective. This was simply the idea of a learning system that wants something, that adapts its behavior in order to maximize a special signal from its environment. This was the idea of a \hedonistic" learning system, or, as we would say now, the idea of reinforcement learning.
机器学习概论 张志华_机器学习概论
weixin_26726011的博客
08-20 657
机器学习概论 张志华Decoding Machine Learning For Everyone 所有人的解码机器学习 What is Machine Learning and how is it different from traditional computer programming? 什么是机器学习，它与传统的计算机编程有何不同？ We will understand this wi...
张志华 - 机器学习导论讲义-良心资料
04-10
上海交通大学 张志华老师的机器学习导论讲义。
基于强化学习与深度强化学习的游戏AI训练python源码.zip
11-06
基于强化学习与深度强化学习的游戏AI训练python源码.zip基于强化学习与深度强化学习的游戏AI训练python源码.zip基于强化学习与深度强化学习的游戏AI训练python源码.zip基于强化学习与深度强化学习的游戏AI训练python...
基于深度强化学习的MEC计算卸载与资源分配 (2).zip
最新发布
02-18
【基于深度强化学习的MEC计算卸载与资源分配】是一个深入探讨人工智能在移动边缘计算（MEC）领域的应用项目实践。在这个项目中，重点是利用深度强化学习（Deep Reinforcement Learning, DRL）来优化MEC环境中的计算...
人工智能-项目实践-强化学习-基于深度强化学习的资源调度研究.zip
01-04
人工智能-项目实践-强化学习-基于深度强化学习的资源调度研究 本项目基于hongzimao/deeprm，原作者还著有论文Resource Management with Deep Reinforcement Learning 。 原作者使用的神经网络框架是 Theano。但是...
Python基于深度强化学习的MEC计算卸载与资源分配源码.zip
11-03
Python基于深度强化学习的MEC计算卸载与资源分配源码.zipPython基于深度强化学习的MEC计算卸载与资源分配源码.zipPython基于深度强化学习的MEC计算卸载与资源分配源码.zipPython基于深度强化学习的MEC计算卸载与资源...
Hands-On Reinforcement Learning with Python
02-15
python 强化学习实战，介绍各种强化学习算法，及其模拟实现
Algorithm-Deep-reinforcement-learning-with-pytorch.zip
09-17
Algorithm-Deep-reinforcement-learning-with-pytorch.zip,Pythorch实现DQN、AC、Acer、A2C、A3C、PG、DDPG、TRPO、PPO、SAC、TD3和….,算法是为计算机程序高效、彻底地完成任务而创建的一组详细的准则。
Hands-On Reinforcement Learning with Python /Sudharsan Ravichandiran (英文版含代码）
04-16
Python强化学习实战：应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习 英文原版含代码 Hands-On Reinforcement Learning with Python: Master reinforcement and deep reinforcement learning using OpenAI Gym and TensorFlow Sudharsan Ravichandiran
Hands-On-Reinforcement-Learning-With-Python-master.zip
06-12
Github资料，并非书籍。 Hands On Reinforcement Learning With Python master
深度强化学习（DRL）学习笔记（1 - 4章）
weixin_43912738的博客
03-25 995
前言 该学习笔记源于王树森、张志华教授的《深度强化学习》 目前因为毕业设计，暂时学习到第10章（DDPG网络），我刚学（深度强化学习）DRL刚开始，我觉得我学得很乱，其中一个重要原因就是我基本上对各种符号很生疏，因此大家浏览的时候能够重点记忆常用符号 这是我第三次浏览，希望能够通过前两次的学习经验，整理有用的DRL笔记帮助大家 常用符号（后面因为懒得打英文了，而且用的也不多，直接开摆） 符号 中文 英文 S or sS~or~sS or s 状态
强化学习（强化主干知识，看这篇就够了）
LSEC小陆的博客
07-23 1079
强化学习 强化学习到底是什么？若是想略微了解强化学习大概的意思和操作，把握一个主干知识，而不做深入研究，看这篇文章就很够了。 文章目录强化学习核心内容元素简介优化目标：状态值函数状态-动作值函数策略迭代和值迭代策略迭代值迭代Q学习、SARSA、时序差分学习Q学习SARSA和时序差分学习深度强化学习一些学习资料 核心内容 元素简介 强化学习考察的是对于一个对象（智能体），从一个状态执行某种动作到...
深度学习和强化学习
q18041102628的博客
08-25 7510
学习笔记。
强化学习资源——Hands-On Reinforcement Learning、Deep Reinforcement Learning Hands-On等
hhy_csdn的博客
04-12 8045
Hands-On Reinforcement Learning with Python PDF 链接：https://pan.baidu.com/s/1CzplQERRjwgi0b9pQTebFw 密码：u3v5 代码 链接：https://pan.baidu.com/s/1rrmuZTPML-ZLJZlGWhUVdA 密码：qzf8 这本书的代码是Tensorflow Deep Reinfor...
深度强化学习基础与课程概览
"UCL的深度强化学习课程的PPT，由UC Berkeley的Sergey Levine教授讲解，涵盖了深度强化学习、决策制定和控制的基本概念，对比了与监督学习的区别，并详细介绍了强化学习的数学形式主义及实际应用案例。" 在计算机...
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