ikerpeng

知乎同步发布：https://www.zhihu.com/people/ikerpeng/activities介绍下我们 AAAI2020的工作：Learning Graph Convolutional Network for Skeleton-based Human Action Recognition by Neural Searching动作识别（Action recognit...

文章 iker peng（知乎：https://www.zhihu.com/people/ikerpeng/）原创，转载请与我联系～深度强化学习在很多决策领域当中都取得了比较不错的结果，尤其是在游戏领域，多个游戏已经达到甚至是超过了人类水平。计算机视觉领域，必定也会尝试这种神奇的算法。然而，到目前为止我们并没有看到在这个领域当中特别成功的例子。计算机视觉任务似乎并没有像游戏那样直观...

知乎专栏同步发布： https://zhuanlan.zhihu.com/p/41133862本来打算自己写写的，但是发现了David Foster的神作，看了就懂了。我也就不说啥了。看不清的话，原图在后面的连接也可以找到。没懂？！！！那我再解释下。 AlphaGo Zero主要由三个部分组成：自我博弈（self-play），训练和评估。和AlphaGo 比较，AlphaZ...

本文原文见我的知乎主页：https://www.zhihu.com/people/ikerpeng/ 参考：David Silver，Tutorial: Deep Reinforcement Learning，2016.Pieter Abbeel，Policy Optimization，2017.Hodo van Hasselt，Deep reinforcement Learni

今天这个歪楼以下，插播今年NIPS的最佳论文，也是强化学习的一篇论文，叫做 Value iteration Network.这一篇强化学习的论文是为了解决 强化学习当中泛化能力差的问题，为了解决这个问题，引入了一个 Learn to plan 的模块。本文的最大创新：在一般性的策略（Policy representation）表示当中加入了一个 规划模块（Planing module）。作者认为加

本文是强化学习的基础，主要参考 Divid Silver 教程，Reinforcement Learning：An Introduction，以及周志华的西瓜书。可能之前大家已经听过了强化学习的介绍，因此，我首先问几个问题：强化学习和MDP过程是一回事吗？强化学习和监督学习的区别是什么？什么是值迭代，什么是策略迭代？有模型和无模型的强化学习的各自有什么样的学习方法？强化学习和深度学习其实很早就有了

深度强化学习系列之一，深度强化学习概述