之前看MADDPG論文的時候，作者提到在離散的信息交流環境中，使用了Gumbel-Softmax estimator。於是去搜了一下，發現該技巧應用甚廣，如深度學習中的各種GAN、強化學習中的A2 ...

Relation Extraction 信息抽取在自然語言處理中是一個很重要的工作，特別在當今信息爆炸的背景下，顯得格外的生重要。從海量的非結構外的文本中抽取出有用的信息，並結構化成下游工作可用的格 ...

論文筆記：Mastering the game of Go with deep neural networks and tree search 背景：完全信息博弈與MCTS算法 要完全弄清Alph ...

MADDPG原文鏈接 OpenAI blog DDPG鏈接 目錄 一、摘要 二、效果展示 三、方法細節 問題分析 具體方法 偽代碼 ...

簡介 對於文本風格遷移，先舉個例子： Input：謝謝 Output（金庸）： 多謝之至 Input： 再見 Output（金庸）： 別過! Input：請問您貴性？ O ...

強化學習(Reinforcement Learning) 作者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/ 通過閱讀《神經網絡與深度學 ...

一、 概述 強化學習算法可以分為三大類：value based, policy based 和 actor critic。 常見的是以DQN為代表的value based算法，這種 ...

雙層優化問題：統一GAN，演員-評論員與元學習方法 (Bilevel Optimization Problem unifies GAN, Actor-Critic, and Meta-Learnin ...

【強化學習】值迭代和策略迭代 在強化學習中我們經常會遇到策略迭代與值迭代，但是很多人都搞不清楚他們兩個之間的區別，他們其實都是強化學習中的動態規划方法（DP）。 ——《Reinforcemen ...

離線強化學習(A Survey on Offline Reinforcement Learning) 作者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/ ...