之前看MADDPG论文的时候，作者提到在离散的信息交流环境中，使用了Gumbel-Softmax estimator。于是去搜了一下，发现该技巧应用甚广，如深度学习中的各种GAN、强化学习中的A2 ...

Relation Extraction 信息抽取在自然语言处理中是一个很重要的工作，特别在当今信息爆炸的背景下，显得格外的生重要。从海量的非结构外的文本中抽取出有用的信息，并结构化成下游工作可用的格 ...

论文笔记：Mastering the game of Go with deep neural networks and tree search 背景：完全信息博弈与MCTS算法 要完全弄清Alph ...

MADDPG原文链接 OpenAI blog DDPG链接 目录 一、摘要 二、效果展示 三、方法细节 问题分析 具体方法 伪代码 ...

简介 对于文本风格迁移，先举个例子： Input：谢谢 Output（金庸）： 多谢之至 Input： 再见 Output（金庸）： 别过! Input：请问您贵性？ O ...

强化学习(Reinforcement Learning) 作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 通过阅读《神经网络与深度学 ...

一、 概述 强化学习算法可以分为三大类：value based, policy based 和 actor critic。 常见的是以DQN为代表的value based算法，这种 ...

双层优化问题：统一GAN，演员-评论员与元学习方法 (Bilevel Optimization Problem unifies GAN, Actor-Critic, and Meta-Learnin ...

【强化学习】值迭代和策略迭代 在强化学习中我们经常会遇到策略迭代与值迭代，但是很多人都搞不清楚他们两个之间的区别，他们其实都是强化学习中的动态规划方法（DP）。 ——《Reinforcemen ...

离线强化学习(A Survey on Offline Reinforcement Learning) 作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ ...