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：Dueling Network Architectures for Deep Reinforcement Learning
Dueling Network Architectures for Deep Reinforcement Learning ICML 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 value function 和 the state dependent action advantage function. 這個 ...
2016-10-02 16:55 0 4688 推薦指數：
相關推薦
論文筆記之：Playing Atari with Deep Reinforcement Learning
Playing Atari with Deep Reinforcement Learning 《Computer Science》, 2013 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 ...
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 ...
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 ...
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（6）：Weakly-and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segmentation
這篇文章的主要貢獻點在於： 1.實驗證明僅僅利用圖像整體的弱標簽很難訓練出很好的分割模型； 2.可以利用bounding box來進行訓練，並且得到了較好的結果，這樣可以代替用pixel-leve ...
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 ...