【RL前沿】深度强化学习的最新进展

2017 年 12 月 18 日 量化投资与机器学习 编辑部

编辑部

微信公众号

关键字全网搜索最新排名

『量化投资』:排名第一

『量       化』:排名第一

『机器学习』:排名第三


我们会再接再厉

成为全网优质的科技文公众号


今天编辑部给大家带来的是加州大学伯克利分校的深度强化学习公开课系列。


作者:Volodymyr Mnih

Google DeepMind科学家。 在Geoffrey Hinton的指导下完成了多伦多大学的机器学习博士学位。 在此之前,在Csab Szepesvari的指导下完成了阿尔伯塔大学计算科学硕士学位。


视频地址如下:

https://www.youtube.com/watch?v=bsuvM1jO-4w&feature=youtu.be



这次本期主题的PPT内容,希望大家有所收获。



登录查看更多
8

相关内容

深度强化学习 (DRL) 是一种使用深度学习技术扩展传统强化学习方法的一种机器学习方法。 传统强化学习方法的主要任务是使得主体根据从环境中获得的奖赏能够学习到最大化奖赏的行为。然而,传统无模型强化学习方法需要使用函数逼近技术使得主体能够学习出值函数或者策略。在这种情况下,深度学习强大的函数逼近能力自然成为了替代人工指定特征的最好手段并为性能更好的端到端学习的实现提供了可能。
2019必读的十大深度强化学习论文
专知会员服务
59+阅读 · 2020年1月16日
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
Arxiv
136+阅读 · 2018年10月8日
Arxiv
6+阅读 · 2018年3月29日
VIP会员
Top
微信扫码咨询专知VIP会员