强化学习科研知识必备（数据库、期刊、会议、牛人）

最新推荐文章于 2024-11-10 15:06:51 发布
最新推荐文章于 2024-11-10 15:06:51 发布
阅读量4.6k 收藏 63
点赞数 16
文章标签： 人工智能 深度学习 计算机视觉
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/tianjuewudi/article/details/125992214
版权
本文为人工智能入门者介绍了学术界的重要资源Letpub、AnnualReviews、ResearchGate等，详细列举了各类SCI期刊的影响因子、审稿速度和投稿难度，并推荐了ICML、NeurIPS等顶级会议。此外，还涵盖了论文数据库如谷歌学术、中国知网和专业平台AMiner。

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

有必要关注的网站

  1. 学术范，入门者的福音，强推。
  2. Letpub，上面包含所有的SCI期刊，已经在上面投过稿的作者的评论，挑选期刊的好帮手。
  3. Annual Reviews,大量综述文献，帮你在本领域入门。
  4. Research Gate,科研人员的社交网站，关注上面的大牛，能获取到许多的最新资讯。
  5. Connected Papers,通过一篇论文，就能顺藤摸瓜找到同领域的重要论文，迅速扫盲。
  6. Paper with Code，通过论文找其实现代码。

期刊推荐

  1. MACHINE LEARNING,SCI 3区。影响因子：5.414。审稿速度：慢，录取比例：容易。年文章数：159
  2. Neural Networks，SCI 2区，影响因子：9.657。审稿速度：
最低0.47元/天 解锁文章
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 15万+
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。
一文读懂「RLHF」基于人类反馈的进行强化学习
热门推荐
女王の专属领地
01-18 3万+
RLHF就是基于人类反馈（Human Feedback）对语言模型进行强化学习（Reinforcement Learning），和一般的fine-tune过程乃至prompt tuning自然也不同。多种策略产生样本并收集人类反馈训练奖励模型训练强化学习策略，微调 LM首先需要一个预训练语言模型，通过大量的语料去训练出基础模型，对于ChatGPT来说就是GPT-3。还有一个可选的Human Augmented Text,又叫Fine-tune。
强化学习资源列表
半夏微凉的博客
02-28 872
人工智能是21世纪最激动人心的技术之一。人工智能，就是像人一样的智能，而人的智能包括感知、决策和认知(从直觉到推理、规划、意识等)。其中，感知解决what，深度学习已经超越人类水平；决策解决how，强化学习在游戏和机器人等领域取得了一定效果；认知解决why，知识图谱、因果推理和持续学习等正在研究。强化学习，采用反馈学习的方式解决序贯决策问题，因此必然是通往通用人工智能的终极钥匙。 视频 书籍 Re......
强化学习在阿里的技术演进与业务创新及2017期刊
02-17
强化学习在阿里的技术演进与业务创新及2017期刊，这本书重点描述了阿里巴巴在推动强化学习输出产品及商业化的实践过程
《强化学习周刊》第23期：NeurIPS 2021强化学习的最新研究与应用
BAAIBeijing的博客
10-21 1700
No.23智源社区强化学习组强化学习研究观点资源活动关于周刊强化学习作为人工智能领域研究热点之一，其研究进展与成果也引发了众多关注。并且诸多研究成果发表于NeurIPS 2021学术会议...
《强化学习周刊》第18期：ICML-2021强化学习的最新研究与应用
BAAIBeijing的博客
08-25 1390
No.18智源社区强化学习组强化学习研究观点资源活动关于周刊强化学习作为人工智能领域研究热点之一，其研究进展与成果也引发了众多关注。并且诸多研究成果发表于ICML-2021学术会议中，为...
【重磅整理】180篇NeurIPS2020顶会《强化学习领域》Accept论文大全
AI_Conf的博客
10-14 7818
NeurIPS终于放榜，提交数再次创新高，与去年相比增加了38%，共计达到9454篇，总接收1900篇，其中谷歌以169篇傲视群雄，清华大学63篇，南京大学周志华教授团队3篇。论文接收率20.09%较去年有所下降，其中论文主题占比和结构图如下： 算法（29%） 深度学习（19%） 强化学习（9%） 作者：《DeepRL-Lab》 & 《AMiner.cn》联合发布 来源：https://neurips.cc/Conferences/2020/ https://www.aminer.cn/conf/n
《强化学习周刊》第21期：EMNLP 2020-2021强化学习的最新研究与应用
AI_Conf的博客
09-28 375
强化学习作为人工智能领域研究热点之一，其研究进展与成果也引发了众多关注。并且诸多研究成果发表于EMNLP 2020-2021学术会议中，为帮助研究与工程人员了解该领域的相关进展和资讯，智源社区结合领域内容，撰写为第21期《强化学习周刊》。本期周刊整理了EMNLP 2020-2021中强化学习领域相关的最新论文推荐和新工具等，以飨诸位。 周刊采用社区协作的模式产生，欢迎感兴趣的朋友们参与我们的工作，一起来推动强化学习社群的分享、学习和交流活动。可以扫描文末的二维码加入强化学习社区群。 本期贡献者：李明，刘青、
大型数据库中利用强化学习改进treap的关联规则挖掘算法
04-30
信息的爆炸式增长使数据挖掘分析过程更加困难，针对普通关联规则挖掘算法很难在短运行时间和低关联度的前提下完成大型数据库中变量关系的评估和发现的问题，提出利用强化学习算法改进treap的大型数据库关联规则挖掘...
“知识图谱+”系列：知识图谱+强化学习
ngl567的博客
07-01 6547
泽宇个人一直认为强化学习是建模动态系统最好的方法之一，通过与环境的不断交互，在动作选择和状态更新的动态过程中逐渐达到优化目标。因此，本期泽宇将从知识图谱结合强化学习的角度介绍几个不同的研究方向的内容，包括知识图谱推理、自动驾驶、时序推理、对话式问答系统和推荐系统。 1知识图谱推理 DeepPath: A Reinforcement Learning Method for Knowledge Graph Reasoning. EMNLP 2017. Wenhan Xiong,Thien Hoan..
ICLR2020 || 106篇深度强化学习顶会论文汇总
abcdefg90876的博客
04-29 4102
深度强化学习实验室报道转载自：EndtoEnd.ai编辑：DeepRL【导读】今年的ICLR大会转到了线上举行，DeepMind和哈佛的研究人员投稿了一篇神经网络控制虚拟小白鼠模的论文...
腾讯多任务强化学习算法登上顶刊TPAMI
qq_40488484的博客
02-12 533
最后，论文在多任务强化学习的各种基准上，包括Gym-minigrid、Meta-world、Atari视频游戏、基于视觉的PyBullet任务和RLBench，开展了非常广泛的实验，结果表明：CAMRL相比于其对应的单任务强化学习算法和SOTA的多任务强化学习算法，有着明显的效果提升。与此不同的是， 除了通过一个大的网络来提炼所有任务的共同特征外，该论文的B矩阵探测了每一对任务之间的迁移关系，使该论文能够在任务之间进行不对称的转移， 如此，CAMRL便不会受到上述问题的困扰了。
真的超越了波士顿动力！深度强化学习打造的 ANYmal 登上 Science 子刊
人工智能学家
01-21 3156
编译：机器之心深度强化学习开发出的机器人模型通常很难应用到真实环境中，因此机器人开发中鲜少使用该技术。然而这已经板上钉钉了吗？在两天前引发人工智能界关注的 ANYmal ...
重磅！CoRL 2024顶刊会议 清华大学高阳研究组发布“基于大模型先验知识的强化学习”
最新发布
weixin_44887311的博客
11-10 755
不过研究人员也表示，当前RLFP框架仍依赖于人类工程来设计低层次技能和提示，并未真正完成自主生成的技能，此外，当前实验中使用的先验知识主要来自预训练的模型，并未打通网络端，在线获取或更新更加先进的知识。样本和函数复杂是制约强化学习在机器人交互当中的主要影响因素，在样本的获取方面，强化学习通常需要数百万次与环境的交互才能学会解决复杂任务，这在现实世界中是不切实际的。通过结合这些先验知识，RLFP框架能够提升强化学习的样本效率，减少对人类设计的奖励函数的依赖，同时对先验知识的形式具有一定的鲁棒性。
《强化学习周刊》第26期：UCL& UC Berkeley发表深度强化学习中的泛化研究综述、JHU推出基于强化学习的人工决策模型
AI_Conf的博客
11-29 2649
关于周刊 强化学习作为人工智能领域研究热点之一，其研究进展与成果也引发了众多关注。为帮助研究与工程人员了解该领域的相关进展和资讯，智源社区结合领域内容，撰写为第26期《强化学习周刊》。本期周刊整理了强化学习领域相关的最新论文推荐和新工具、数据集等，以飨诸位。 本期贡献者：李明、刘青、小胖、陈元 文章来源：智源社区 论文推荐 强化学习近年来取得了令人瞩目的成就，其应用于各个领域的研究也取得较大的进步，比如目标条件强化学习、基人工决策模型强化学习、深度强化学习在恶意软件中的应用、无模型风险敏感强化学习、迁移强化
《强化学习周刊》第19期：ICCV-2021强化学习的最新研究与应用
BAAIBeijing的博客
08-31 970
No.19智源社区强化学习组强化学习研究观点资源活动关于周刊强化学习作为人工智能领域研究热点之一，其研究进展与成果也引发了众多关注。并且诸多研究成果发表于ICCV-2021学术会议中，为...
论文笔记-连续HVAC控制的无模型强化学习算法的实验评估
wwpwwpwwpemmm的博客
10-23 1138
null
强化学习这么做绝绝子！最新idea登顶Science！
2401_82426425的博客
11-08 1172
全新里程碑！RL之父Richard Stutton团队，提出一种奖励聚中思想，能大幅增强所有RL算法！也即：通过从观察到的奖励中减去平均奖励，来提高连续强化学习问题中折扣方法的性能！除此以外，在Science、NeurIps等顶会顶刊上，也都涌现了不少研究。像是性能飙升60％的CMTA；吞吐量提升10倍的SACD-A……其热度可见一斑！主要在于，强化学习在大模型等的发展中，无可替代，更是实现通用人工智能（AGI）的关键路径之一；且在游戏AI、自动驾驶、机器人控制等领域，都有着广泛应用！
SCI一区顶刊优化算法改进：基于强化学习的神经网络算法RLNNA，你绝对没见过，非常新颖！
QSJIQIXUEXI的博客
03-28 1981
应小伙伴要求，今天为大家带来一期在2023年SCI一区顶刊上的算法改进：基于强化学习的神经网络优化算法代码与原理讲解，非常新颖！相信大家也从来没见过，效果不错！注意！这里的神经网络并不是传统意义上的神经网络，而是一种优化算法，大家可以类比为动物园优化算法，只是这位作者借用了神经网络的思想取名为神经网络优化算法（NNA），其本质上还是随机搜索的群智能优化算法，有点唬人！
评论 1
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

微笑小星

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