論文筆記之：Deep Reinforcement Learning with Double Q-learning
Deep Reinforcement Learning with Double Q-learning Google DeepMind Abstract 主流的 Q-learning 算法過高的估計在特定條件下的動作值。實際上，之前是不知道是否這樣的過高估計是 common ...
原文：論文筆記之：Playing Atari with Deep Reinforcement Learning
Playing Atari with Deep Reinforcement Learning Computer Science , Abstract： 本文提出了一種深度學習方法，利用強化學習的方法，直接從高維的感知輸入中學習控制策略。模型是一個卷積神經網絡，利用 Q learning的一個變種來進行訓練，輸入是原始像素，輸出是預測將來的獎勵的 value function。將此方法應用到 At ...
2016-06-20 21:57 0 5397 推薦指數：
相關推薦
論文筆記之：Dueling Network Architectures for Deep Reinforcement Learning
Dueling Network Architectures for Deep Reinforcement Learning ICML 2016 Best Paper 摘要：本文的貢獻點主要是在 DQN 網絡結構上，將卷積神經網絡提出的特征，分為兩路走，即：the state ...
論文筆記之：Asynchronous Methods for Deep Reinforcement Learning
Asynchronous Methods for Deep Reinforcement Learning ICML 2016 深度強化學習最近被人發現貌似不太穩定，有人提出很多改善的方法，這些方法有很多共同的 idea：一個 online 的 agent 碰到的觀察到的數據 ...
論文筆記之：Active Object Localization with Deep Reinforcement Learning
Active Object Localization with Deep Reinforcement Learning ICCV 2015 最近Deep Reinforcement Learning算是火了一把，在Google Deep Mind的主頁上，更是許多關於此 ...
Deep Learning 論文筆記 (3): Deep Learning Face Attributes in the Wild
的識別效果。 這篇論文的主要思想是通過學習兩個deep network來構建face attrib ...
論文筆記：Deep Residual Learning
之前提到，深度神經網絡在訓練中容易遇到梯度消失/爆炸的問題，這個問題產生的根源詳見之前的讀書筆記。在 Batch Normalization 中，我們將輸入數據由激活函數的收斂區調整到梯度較大的區域，在一定程度上緩解了這種問題。不過，當網絡的層數急劇增加時，BP 算法中導數的累乘效應還是很容易 ...
論文筆記系列-Neural Architecture Search With Reinforcement Learning
摘要 神經網絡在多個領域都取得了不錯的成績，但是神經網絡的合理設計卻是比較困難的。在本篇論文中，作者使用 遞歸網絡去省城神經網絡的模型描述，並且使用 增強學習訓練RNN，以使得生成得到的模型在驗證集上取得最大的准確率。 在 CIFAR-10數據集上，基於本文提出的方法生成的模型在測試集上得 ...
論文筆記——NEURAL ARCHITECTURE SEARCH WITH REINFORCEMENT LEARNING
論文地址：https://arxiv.org/abs/1611.01578 1. 論文思想 強化學習，用一個RNN學一個網絡參數的序列，然后將其轉換成網絡，然后訓練，得到一個反饋，這個反饋作用於RNN網絡，用於生成新的序列。 2. 整體架構 3. RNN網絡 4. 具體實現 ...