|
- 通俗易懂讲AI--强化学习 - 知乎
2、强化学习的原理 划重点：强化学习的目标是得到一个策略，用于判断在什么状态下选取什么动作才能得到最终奖赏。 如何得到这个策略呢？ 强化学习任务通常用马尔可夫决策过程（Markov Decision Process，简称MDP）来描述，是一种描述机器与环境交互的框架。
- 强化学习控制器如何证明稳定性? - 知乎
强化学习本质上是通过奖惩机制，从多条系统轨迹中学习，逐步提升控制性能。 因此，强化学习会学出一系列的控制策略。 具体来说，假设控制策略参数化为矩阵K，那么强化学习能学出 K_1, K_2, \dots, K_T 这样一个策略序列。
- 强化学习（reinforcement learning)有什么好的开源项目、网站、文章推荐一下？ - 知乎
强化学习的开源项目在github上还是有挺多的，本文列举了一部分，肯定不全面，持续更新中。 1 乒乓球游戏+策略梯度算法 这是应用强化学习的 策略梯度算法 的乒乓球游戏，Andrej Karpathy通过130行代码实现的，帮助理解强化学习算法。
- 研0，研究生期间搞强化学习，零基础，怎么学？ - 知乎
研0，研究生期间搞强化学习，零基础，怎么学？ 目前的想法是先看sutton的强化学习，但是觉得看不懂，有配合的网课推荐吗，或者比较好的学习路线。 求大佬推荐 显示全部 关注者 222
- 模仿学习与强化学习结合（IL+RL）有没有代表性论文？未来发展趋势如何？ - 知乎
模仿学习与强化学习结合（IL+RL）有没有代表性论文？ 未来发展趋势如何？ 我最近在关注模仿学习（Imitation Learning, IL）与强化学习（Reinforcement Learning, RL）的结合问题，想请… 显示全部 关注者 112 被浏览
- 强化学习qlearning，用衰减的Epsilon贪婪策略 ，Epsilon什么时候衰减？ - 知乎
强化学习qlearning，用衰减的Epsilon贪婪策略 ，Epsilon什么时候衰减？ 强化学习qlearning，用衰减的Epsilon贪婪策略 ，训练过程中Epsilon是每一个episode衰减，还是在episode中每个step（… 显示全部 关注者 1
- 为什么Karpathy说RLHF不是真的RL (强化学习)？ - 知乎
2017年入坑机器学习读的第一篇论文就是alphagozero，当时没看懂，因为还没学概率论，也不懂 价值网络，策略网络，reward。 只记得当时backbone把vgg换成了resnet，合并了价值策略网络，推测现在elo最高的state of the art是 transformer 吧，transformer没有感受野这种东西。
- 强化学习最新算法有什么？ - 知乎
之前阿尔伯塔大学还发表了一个强化学习的研究纲领，如果你能花三五年时间研究rl的话可以参考下这个纲领。 ----分割线---- 纲领文件在这里 The Alberta Plan for AI Research 由Richard S Sutton, Michael Bowling, and Patrick M Pilarski提出，有志于长期做强化学习研究的真的应该
|
|
|