在机器学习中，我们经常会分类为有监督学习和无监督学习，但是尝尝会忽略一个重要的分支，强化学习。有监督学习和无监督学习非常好去区分，学习的目标，有无标签等都是区分标准。如果说监督学习的目标是预测，那么强化学习就是决策，它通过对周围的环境不断的更新状态，给出奖励或者惩罚的措施，来不断调整并给出 ...

Deep Recurrent Q-Learning for Partially Observable MDPs 论文地址 DRQN 笔记 DQN 每一个decision time 需要该时刻前４个frame 来获得完整的状态信息。但是有的游戏四张图片也不能获取完整的状态信息。所以这篇论文 ...

目录 Chapter1 Chapter2 Learning- Evaluative feedback vs Instructive feedback ...

Deep Reinforcement Learning with Double Q-learning 论文地址： Double-DQN Double Q-learning 笔记 在传统强化学习领域里面，学者们已经认识到了Q-learning 存在overestimate的问题 ...

Deterministic Policy Gradient Algorithms 论文地址 DPG 笔记 出发点 首先最开始提出的policy gradient 算法是 stochastic的。 这里的随机是指随机策略\(\pi_\theta(a|s)=P[a|s,;\theta ...

Dueling Network Architectures for Deep Reinforcement Learning 论文地址 DuelingDQN 笔记 基本思路就是\(Q(s,a)\)的值既和state有关，又和action有关。但是两种"有关"的程度不一样，或者说影响力 ...

Playing Atari with Deep Reinforcement Learning 论文地址 DQN 笔记 这篇文章就是DQN,DRL领域非常重要的一篇文章,也是David Silver大神的工作。文章本身没有什么难度。 文章说了RL和DL 的两个不同之处: DL ...