回顧KDD2017 A Taxi Order Dispatch Model based On Combinatorial Optimization 最大化全局的匹配概率 基於貝葉斯框架來預測用戶 ...

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 ...

本文介紹強化學習的基本概念及建模方法 什么是強化學習 強化學習主要解決貫續決策問題，強調一個智能體在不斷的跟環境交互的過程中通過優化策略從而在整個交互過程中獲得最多的回報。 圖中的大腦代表智能體agent，智能體根據當前環境\(s_t\) 選擇一個動作\(a_t\)執行，這個\(a_t ...

　　　　從今天開始整理強化學習領域的知識，主要參考的資料是Sutton的強化學習書和UCL強化學習的課程。這個系列大概准備寫10到20篇，希望寫完后自己的強化學習碎片化知識可以得到融會貫通，也希望可以幫到更多的人，畢竟目前系統的講解強化學習的中文資料不太多。 　　　　第一篇會從強化學習的基本概念 ...

一. 開山鼻祖DQN 1. Playing Atari with Deep Reinforcement Learning，V. Mnih et al., NIPS Workshop, ...

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 ...