深度强化学习——TRPO
TRPO 1.算法推导 由于我们希望每次在更新策略之后，新策略\(\tilde\pi\)能必当前策略\(\pi\)更优。因此我们希望能够将\(\eta(\tilde\pi)\)写为\(\eta ...
原文：What？100%基于深度强化学习的对冲基金
https: mp.weixin.qq.com s oypsy NjTmuBa V LpS A The Hedge Fund Journal 于近日公布了 年版 第六版 明日对冲基金巨人 榜单，该榜单强调了投资经理策略的独特性，及具有良好的业绩和增长资产的潜力。提名来自 The Hedge Fund Journal 的读者网络，包括养老基金 家族理财室 捐赠基金和基金会 FOF 私人银行和财富管理 ...
2021-08-15 11:21 0 114 推荐指数：
相关推荐
深度学习和强化学习的关系
强化学习是一个连续决策的过程，传统的机器学习中的有监督学习是给定一些标注数据，学习一个好的函数，对未知数据做出很好的决策。但有时候，并不知道标注是什么，即一开始不知道什么是“好”的结果，所以RL不是给定标注，而是给一个回报函数，这个回报函数决定当前状态得到什么样的结果（“好”还是“坏 ...
深度强化学习方向论文整理
一. 开山鼻祖DQN 1. Playing Atari with Deep Reinforcement Learning，V. Mnih et al., NIPS Workshop, ...
深度强化学习——ppo(待重写)
PPO abstract PPO通过与环境交互来采样数据和使用随机梯度上升优化"替代"目标函数之间交替使用。鉴于标准策略梯度方法对每个数据严格不能执行一次梯度更新，本文章提出了一个新的目标函数，该 ...
深度强化学习——GAE(待重写)
估计值的偏差。通过对策略和值函数使用置信域的方法来解决第二个问题。 Introduction 强化学习 ...
深度强化学习——最大熵强化学习入门
从概率图角度理解强化学习 目录 一、变分推断(Variational Inference) 1. 概率隐变量模型（Probabilistic Latent Variable Models） 2.变分推断原理 3.Amortized ...
深度学习之强化学习Q-Learning
1、知识点 2、Bellman优化目标 3、bellman案例，gridworld.py和ValueIteration.py View Cod ...
深度强化学习——连续动作控制DDPG、NAF
一、存在的问题 DQN是一个面向离散控制的算法，即输出的动作是离散的。对应到Atari 游戏中，只需要几个离散的键盘或手柄按键进行控制。 然而在实际中，控制问题则是连续的，高维的，比如一个具有6个 ...