強化學習傳說：第五章 基於模型的強化學習 無模型的方法是通過agent不斷探索環境，不斷試錯，不斷學習，因此導致了無模型的方法數據效率不高。而基於模型的方法則相反，它能夠充分利用已有的模型，高效地利用數據。 簡單的思路： 先訓練得到環境模型，再利用規划求解。但是本來專家算法就是這么做 ...

Deep Recurrent Q-Learning for Partially Observable MDPs 論文地址 DRQN 筆記 DQN 每一個decision time 需要該時刻前４個frame 來獲得完整的狀態信息。但是有的游戲四張圖片也不能獲取完整的狀態信息。所以這篇論文 ...

Deep Reinforcement Learning with Double Q-learning 論文地址： Double-DQN Double Q-learning 筆記 在傳統強化學習領域里面，學者們已經認識到了Q-learning 存在overestimate的問題 ...

Deterministic Policy Gradient Algorithms 論文地址 DPG 筆記 出發點 首先最開始提出的policy gradient 算法是 stochastic的。 這里的隨機是指隨機策略\(\pi_\theta(a|s)=P[a|s,;\theta ...

的論文的研究主題非常多樣，涵蓋深度學習模型/架構/理論、強化學習、優化方法、在線學習、生成模型、遷移學 ...

Dueling Network Architectures for Deep Reinforcement Learning 論文地址 DuelingDQN 筆記 基本思路就是\(Q(s,a)\)的值既和state有關，又和action有關。但是兩種"有關"的程度不一樣，或者說影響力 ...

Playing Atari with Deep Reinforcement Learning 論文地址 DQN 筆記 這篇文章就是DQN,DRL領域非常重要的一篇文章,也是David Silver大神的工作。文章本身沒有什么難度。 文章說了RL和DL 的兩個不同之處: DL ...

Reinforcement Learning with Deep Energy-Based Policies 論文地址 soft Q-learning 筆記 標准的強化學習策略 \[\begin{equation}\pi^*_{std} = \underset{\pi ...