Deep Reinforcement Learning with Double Q learning Google DeepMind Abstract 主流的 Q learning 算法过高的估计在特定条件下的动作值。实际上，之前是不知道是否这样的过高估计是 common的，是否对性能有害，以及是否能从主体上进行组织。本文就回答了上述的问题，特别的，本文指出最近的 DQN 算法，的确存在在玩 A ...
2016-06-27 15:39 0 5332 推荐指数：
该文章是针对Hado van Hasselt于2010年提出的Double Q-learning算法的进一步拓展，是结合了DQN网络后，提出的关于DQN的Double Q-learning算法。该算法主要目的是修正DQN中max项所产生的过高估计问题，所谓过高估计，在前面的博客Issues ...
Deep Recurrent Q-Learning for Partially Observable MDPs 摘要：DQN 的两个缺陷，分别是：limited memory 和 rely on being able to perceive the complete game ...
Continuous Deep Q-Learning with Model-based Acceleration 本文提出了连续动作空间的深度强化学习算法。 开始正文之前，首先要弄清楚两个概念：Model-free 和 Model-based。引用 周志华老师 ...
Dueling Network Architectures for Deep Reinforcement Learning ICML 2016 Best Paper 摘要：本文的贡献点主要是在 DQN 网络结构上，将卷积神经网络提出的特征，分为两路走，即：the state ...
Playing Atari with Deep Reinforcement Learning 《Computer Science》, 2013 Abstract： 本文提出了一种深度学习方法，利用强化学习的方法，直接从高维的感知输入中学习控制策略。模型是一个卷积神经网络 ...
Asynchronous Methods for Deep Reinforcement Learning ICML 2016 深度强化学习最近被人发现貌似不太稳定，有人提出很多改善的方法，这些方法有很多共同的 idea：一个 online 的 agent 碰到的观察到的数据 ...
Active Object Localization with Deep Reinforcement Learning ICCV 2015 最近Deep Reinforcement Learning算是火了一把，在Google Deep Mind的主页上，更是许多关于此 ...
的识别效果。 这篇论文的主要思想是通过学习两个deep network来构建face attrib ...
