RL
5篇文章 · 0订阅
  • 解决Sparse Reward RL任务的简单回顾
    这篇总结文章来自于我在PRICAI2018 Reinforcement Learning Workshop上的部分演讲内容。 相信大家对于强化学习已经有了一定的概念，其中Model-Free的强化学习方法更是获得很大的成功，并在一些任务上达到了与人类专家媲美的效果。利用当前某一…
    人工智能 算法 强化学习
  • 八千字长文深度解读，迁移学习在强化学习中的应用及最新进展
    机器之心原创，作者：Luo Sainan，编辑：H4O。 机器学习技术在许多领域取得了重大成功，但是，许多机器学习方法只有在训练数据和测试数据在相同的特征空间中或具有相同分布的假设下才能很好地发挥作用。当分布发生变化时，大多数统计模型需要使用新收集的训练数据重建模型。在许多实际…
    强化学习
  • 【5分钟 Paper】Deep Reinforcement Learning with Double Q-learning
    如果所有的动作值函数都被均匀地加上一个常数，似乎这不会对策略有什么影响。问题就在于当你有一个动作值函数过估计之后在加上探索和利用技术之后，那可能就会偏向于之前就过估计的动作值函数，而导致有些动作根本就没选到，那就会影响策略学习的好坏了。那么得到的就是一个次优解。 假设你有两个网…
    强化学习
  • 【ICLR 2018】模型集成的TRPO算法【附代码】
    model free的方法具有high sample complexity ，难将其用于real-world。用ensemble的方式来克服model bias。 标准的model-based方法是交替使用model learning和policy aptimization。m…
    强化学习
  • 伯克利，斯坦福，宾大联合发表：从观察和交互中学习预测模型
    作者在这里所关心的是，智能体采样很难采样到那些表现性能比较好的样本，就是说有些状态动作对根本就采不到，因为很难去学习这么好的策略，但是人类可以很轻松的采样得到这些样本。但是这些样本也是存在一些问题的，比如是没有带注释的，他不会有描述说为什么这么做，如果像模仿学习那样利用这些样本…
    强化学习