会员服务

Hierarchical Imitation - Reinforcement Learning

2018 年 5 月 25 日 CreateAMind

https://github.com/hoangminhle/hierarchical_IL_RL


效果：



登录查看更多
19

相关内容

强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
133+阅读 · 2020年5月14日
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
专知会员服务
36+阅读 · 2020年5月9日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
43+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
167+阅读 · 2020年3月18日
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
专知会员服务
86+阅读 · 2020年2月18日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
184+阅读 · 2020年2月1日
【强化学习资源集合】Awesome Reinforcement Learning
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
99+阅读 · 2019年12月23日
【南洋理工大学课程】deep_reinforcement_learning（深度强化学习），109页ppt
【南洋理工大学课程】deep_reinforcement_learning（深度强化学习），109页ppt
专知会员服务
105+阅读 · 2019年11月2日
TensorFlow官方开源的神经结构学习（Neural Structured Learning）库
TensorFlow官方开源的神经结构学习（Neural Structured Learning）库
专知会员服务
18+阅读 · 2019年10月18日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
61+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
44+阅读 · 2019年1月3日
RL 真经
RL 真经
CreateAMind
6+阅读 · 2018年12月28日
李宏毅-201806-中文-Deep Reinforcement Learning精品课程分享
李宏毅-201806-中文-Deep Reinforcement Learning精品课程分享
深度学习与NLP
15+阅读 · 2018年6月20日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
14+阅读 · 2018年4月27日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
Deep Reinforcement Learning 深度增强学习资源
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
7+阅读 · 2017年11月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Hierarchical Graph Pooling with Structure Learning
Arxiv
13+阅读 · 2019年11月14日
Hierarchical Meta Learning
Arxiv
9+阅读 · 2019年4月19日
Deep learning for time series classification: a review
Arxiv
12+阅读 · 2019年3月14日
Learning to Walk via Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年12月26日
A Hierarchical Neural Network for Sequence-to-Sequences Learning
A Hierarchical Neural Network for Sequence-to-Sequences Learning
Arxiv
4+阅读 · 2018年11月23日
Reward learning from human preferences and demonstrations in Atari
Arxiv
8+阅读 · 2018年11月15日
Hierarchical Deep Multiagent Reinforcement Learning
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Hierarchical Reinforcement Learning with Deep Nested Agents
Arxiv
3+阅读 · 2018年5月18日
Learning to Extract Coherent Summary via Deep Reinforcement Learning
Arxiv
6+阅读 · 2018年4月19日
Video Captioning via Hierarchical Reinforcement Learning
Arxiv
20+阅读 · 2018年3月29日
VIP会员
相关主题
强化学习
GitHub
最新内容
《航电任务系统框架（FAMOS）》50页报告
《航电任务系统框架（FAMOS）》50页报告
专知会员服务
1+阅读 · 9月22日
美陆军测试人工智能与电子战以阻止百架无人机蜂群压垮战场防御
美陆军测试人工智能与电子战以阻止百架无人机蜂群压垮战场防御
专知会员服务
2+阅读 · 9月22日
《对抗行动中的人工智能与自主性》智库报告
《对抗行动中的人工智能与自主性》智库报告
专知会员服务
3+阅读 · 9月22日
《从数据到胜利：战争中的分析优势之争》
《从数据到胜利：战争中的分析优势之争》
专知会员服务
3+阅读 · 9月22日
《高性能计算环境下多媒体目标检测流水线的设计》技术研究报告
《高性能计算环境下多媒体目标检测流水线的设计》技术研究报告
专知会员服务
1+阅读 · 9月22日
ACL 2026 杰出论文奖 | PALU：在关键前缀上最大化局部熵，让大模型精准“失忆”
ACL 2026 杰出论文奖 | PALU：在关键前缀上最大化局部熵，让大模型精准“失忆”
专知会员服务
4+阅读 · 9月21日
乌克兰与中东为印太地区带来关于新太空战的启示
乌克兰与中东为印太地区带来关于新太空战的启示
专知会员服务
6+阅读 · 9月21日
战争不仅需要机器人：人类仍不可或缺
战争不仅需要机器人：人类仍不可或缺
专知会员服务
5+阅读 · 9月21日
《描绘美国防部创新基础设施的未来蓝图》100页
《描绘美国防部创新基础设施的未来蓝图》100页
专知会员服务
9+阅读 · 9月21日
《美国-新加坡联合机器人、自主系统与人工智能（RAS-AI）海上基础设施及港口防御方法》200页
《美国-新加坡联合机器人、自主系统与人工智能（RAS-AI）海上基础设施及港口防御方法》200页
专知会员服务
9+阅读 · 9月21日
综述｜从参数到行为：大语言模型融合的统一框架与实践边界
综述｜从参数到行为：大语言模型融合的统一框架与实践边界
专知会员服务
6+阅读 · 9月19日
综述｜从模型到系统：高效多模态学习的全栈路线图
综述｜从模型到系统：高效多模态学习的全栈路线图
专知会员服务
4+阅读 · 9月19日
综述 | 具身智能世界模型：从可信预测、可控干预到行动效用
综述 | 具身智能世界模型：从可信预测、可控干预到行动效用
专知会员服务
8+阅读 · 9月17日
综述 | 生成式物理人工智能：五类模型、系统架构与落地挑战
综述 | 生成式物理人工智能：五类模型、系统架构与落地挑战
专知会员服务
5+阅读 · 9月17日
有人与无人军用飞机：是否正步入自主空中力量的时代？
有人与无人军用飞机：是否正步入自主空中力量的时代？
专知会员服务
4+阅读 · 9月17日
相关VIP内容
可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
133+阅读 · 2020年5月14日
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
专知会员服务
36+阅读 · 2020年5月9日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
43+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
167+阅读 · 2020年3月18日
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
专知会员服务
86+阅读 · 2020年2月18日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
184+阅读 · 2020年2月1日
【强化学习资源集合】Awesome Reinforcement Learning
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
99+阅读 · 2019年12月23日
【南洋理工大学课程】deep_reinforcement_learning（深度强化学习），109页ppt
【南洋理工大学课程】deep_reinforcement_learning（深度强化学习），109页ppt
专知会员服务
105+阅读 · 2019年11月2日
TensorFlow官方开源的神经结构学习（Neural Structured Learning）库
TensorFlow官方开源的神经结构学习（Neural Structured Learning）库
专知会员服务
18+阅读 · 2019年10月18日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
61+阅读 · 2019年10月17日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
44+阅读 · 2019年1月3日
RL 真经
RL 真经
CreateAMind
6+阅读 · 2018年12月28日
李宏毅-201806-中文-Deep Reinforcement Learning精品课程分享
李宏毅-201806-中文-Deep Reinforcement Learning精品课程分享
深度学习与NLP
15+阅读 · 2018年6月20日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
14+阅读 · 2018年4月27日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
Deep Reinforcement Learning 深度增强学习资源
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
7+阅读 · 2017年11月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
Hierarchical Graph Pooling with Structure Learning
Arxiv
13+阅读 · 2019年11月14日
Hierarchical Meta Learning
Arxiv
9+阅读 · 2019年4月19日
Deep learning for time series classification: a review
Arxiv
12+阅读 · 2019年3月14日
Learning to Walk via Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年12月26日
A Hierarchical Neural Network for Sequence-to-Sequences Learning
A Hierarchical Neural Network for Sequence-to-Sequences Learning
Arxiv
4+阅读 · 2018年11月23日
Reward learning from human preferences and demonstrations in Atari
Arxiv
8+阅读 · 2018年11月15日
Hierarchical Deep Multiagent Reinforcement Learning
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Hierarchical Reinforcement Learning with Deep Nested Agents
Arxiv
3+阅读 · 2018年5月18日
Learning to Extract Coherent Summary via Deep Reinforcement Learning
Arxiv
6+阅读 · 2018年4月19日
Video Captioning via Hierarchical Reinforcement Learning
Arxiv
20+阅读 · 2018年3月29日
大家都在搜
  1. maven
  2. palantir
  3. 无人机蜂群
  4. 无人机系统
  5. 世界模型
  6. 数字工程
  7. 雷鸟科技
  8. 美伊
  9. 助贷模式
  10. rNPV (风险调整现金流折现法)
    11.
Top
微信扫码咨询专知VIP会员
Top