2019年上半年收集到的人工智能强化学习干货文章

最新推荐文章于 2020-08-04 21:54:25 发布
最新推荐文章于 2020-08-04 21:54:25 发布
阅读量481 收藏 1
点赞数
CC 4.0 BY-SA版权
文章标签： 强化学习 2019年上半年
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_42137700/article/details/93519341
本文精选了2019年上半年的强化学习干货文章，覆盖了从基础概念到深度强化学习的多个方面，包括算法思想起源、大规模离散动作空间处理及阿里、谷歌大脑的实践案例，为读者提供了全面深入的强化学习知识。

2019年上半年收集到的人工智能强化学习干货文章

 

从0到1-强化学习篇

关于人工智能中强化学习的扫盲

强化学习简介

深度强化学习

探索强化学习算法背后的思想起源！

强化学习基础

什么是强化学习？强化学习之父：它是人工智能的未来

机器学习之强化学习概览

强化学习：如何处理大规模离散动作空间

 2018年强化学习领域十篇重要论文（附源码）

『干货』深度强化学习与自适应在线学习的阿里实践

我在谷歌大脑工作的 18 个月中，是怎样研究强化学习的？

监督学习、无监督学习、半监督学习和强化学习

 

 

2019-06-23 写于苏州市

 

 

「01」机器学习与深度学习，到底在学些什么？
Machine Learning with Tutors
05-31 4767
根据定义，学习是从有限的例子中，找出问题和答案之间规律的一个过程，而所找出的规律叫做知识，而知识，在我们的意识层面上叫做知识，但在数学层面，它的名字叫做模型。经过千万年的进化，人类已经可以熟练利用大脑神经元所组成的生物记忆网络，将感官收集到的信号，如图像、物体、声音、文字，通过长短期的记忆机制进行保存。通过这些信息，大脑会推演出下一个类似情况、问题发生时，我们该做出的反应。这些反应有先天的，比如面对狮子时，我们的祖先遗留下来的对死亡的基因恐惧，驱使大脑发出逃离的指令。...
要么就此罢手，要么挥金如土：AI竞争有多烧钱
读芯术的博客
09-28 784
全文共3092字，预计学习时长6分钟 “深度学习”——DeepMind也许还年轻，但它正在快速成长并且专注于这一领域 图源：Pexels 在人工智能领域，初创公司能够与科技巨头一较高下吗？关于这一问题，DeepMind是一个非常有趣的案例。 在2019年的夏天，关于DeepMind的成就及财务亏损的文章屡见不鲜。因为软银集团旗下投资基金Vision Fund的第二轮投资将专注于AI领...
人工智能 机器学习 十余篇经典文章（入门必备）
05-19
人工智能 机器学习 入门必备的经典文章 包含Learnability, stability and uniform convergence，Learning_Theory_Estimates_via_Integral_Operators_and_Their_Approximations，Local Rademacher complexities，On regularization algorithms in learning theory，On the mathematical foundations of learning等十余篇经典文章，入门首选
2020年还需要阅读的10篇人工智能论文
深度学习与计算机视觉
08-04 2435
几周前，我发表了一篇文章，里面有要在2020年阅读的人工智能（AI）论文。如果你把所有额外的阅读建议都算进去，总共有27篇文章。文章网址：https://towardsdatascien...
强化学习资料汇总和一些个人心得
hnshhshjq的博客
04-22 648
        最近开始接触强化学习，买了一些参考书，也在网上看了很多大神写的文章。现在把自己在网络上看到的比较好的资料汇总一下，方便日后自己查阅，也希望能帮助到一些初学者。由于本人的英文不是太好，所以看的资料基本都是中文的，如果有一定基础的同学，还是建议多看国外大神的博客和论文。       首推知乎专栏--强化学习知识大讲堂       这个专栏里内容比较全面，把强化学习领域里两大分支--值函...
强化学习论文合集
qq_16568205的博客
07-12 998
http://spinningup.openai.com/en/latest/spinningup/keypapers.html
人工智能与大数据时代-2019
热门推荐
anchker的博客
02-01 3万+
文章不断更新中..... 20191013 白皮书丨大数据产业发展呈现八大趋势 《2019中国大数据产业发展白皮书》深度解读之一 《2019中国大数据产业发展白皮书》深度解读之二 《2019中国大数据产业发展白皮书》深度解读之三 《2019中国大数据产业发展白皮书》深度解读之四 《2019中国大数据产业发展白皮书》深度解读之五 德勤&第四范式联合发布企业智能化转型白皮书 ...
人工智能与算法学习总结报告！（珍藏版）
weixin_40920183的博客
05-21 2435
今天，为大家整理了近半年公众号发布的文章，方便相关领域的读者查阅学习!PyTorch60分钟入门深度学习工具Pytorch想要入门最前沿的深度学习，那就用PyTorch版《动手学深度学习...
进入AI领域做产品 —— 我的自学之路
07-03 1万+
做产品经理这份工作将涉及大量选择，本质上，是需要“输入→内视→输出”的环节更多，所以为了更好的去进行“输出”，学习“输入”（AI基础认知、产品认知、技术通识）以及“内视”（认知框架）的重要性就不言而喻了。 所以，这份内容是关于一个要进入AI领域的产品经理，所需要积累的“输入”的归纳，以及搭建“内视”框架的过程。（第二份输出也已经完成——《出行服务 + AI —— 一次模拟的创业》)
顶会论文 65篇IJCAI深度强化学习论文汇总.pdf
03-19
汇总了65篇IJCAI上“深度强化学习”的专题论文，深度强化学习，这不就是生命的进化规律嘛！欢迎感兴趣的朋友下载学习。
【重磅】61篇NIPS2019深度强化学习论文及部分解读
机器学习算法与Python学习
09-14 2148
本文转自『深度强化学习实验室』NeurIPS（前称NIPS）可谓人工智能年度最大盛会。每年全球的人工智能爱好者和科学家都会在这里聚集，发布最新研究，并进行热烈探讨，大会的...
网络结构搜索之强化学习
yiran103的专栏
07-30 4055
算力和需求的增长使得神经架构搜索（ Neural Architecture Search，NAS）重回人们的视线。NAS 可迁移性更强，能够以快速且简单粗暴的方式获得高精度模型，成为工程师手中称手的砖块。强化学习（RL）可谓 NAS 中的核武器，谷歌开启并引领该方向的工作。由初期燃烧的显卡到专用硬件，对效率的追求犹如挖矿一般。
收藏此文，今年你需要的学习资源绝对够了！
AI科技大本营
08-18 4305
作者 |Robbie Allen编辑 | Jane出品 | AI科技大本营今天，AI科技大本营为大家准备了目前看到的最好的一份学习资源。收集这些资源的作者 ，Robbi...
多智能体强化学习博弈系列（2）- 模糊Q-Learning
yuuyuhaksho的博客
02-19 5379
关于模糊系统见上一篇。 游戏描述： 以多人领土保卫游戏（guarding territory）为例：进攻者采取最佳策略（提前计算出的纳什均衡点），防卫者通过强化学习，不断优化截击位置。目标是成功截击进攻者，且截击位置距离领土范围最远。 这一章节采用的RL算法是Q-learning。防卫者作为智能体，输入和输出分别经过模糊化和去模糊化处理。 模糊系统 nnn个输入变量的连续输入空间被离散化为MMM个...
强化学习的三种范例（Three Paradigms of Reinforcement Learning）
abcdefg90876的博客
11-01 2037
作者：Carles Gelada and Jacob Buckman编辑：DeepRL许多研究人员认为，基于模型的强化学习（MBRL）比无模型的强化学习（MFRL）具有更高的样本效率。但是，从根本上讲，这种说法是错误的。更细微的分析表明，使用神经网络时，MBRL方法可能比MFRL方法具有更高的采样效率，但仅适用于某些任务。此外，而基于模型的RL仅仅是开始。另一类算法，即基于同态的强化学习（HBRL...
深度强化学习一定要用到奖励工程吗？伯克利 AI 研究院：并不需要
AI 研习社的博客
06-26 1346
近年来，强化学习技术在控制领域大放异彩。然而，奖励函数的设计问题一直以来都是困扰着人们的「老大难」问题。近期，伯克利的研究人员提出了一种基于「事件变分逆控制」的端到端深度强化学习范式，使机器人无需依赖奖励工程便能实现高效的深度强化学习，成功地在机器人控制问题上取得了重大突破。伯克利 AI 研究院将相关成果发布在博客上，雷锋网 AI 科技评论编译如下。 将任务的目标告知他人是件很容易的事：我们可以...
强化学习/进化算法/贝叶斯优化 本质
weixin_38740463的博客
05-30 4263
强化学习(RL)：序列决策 本质: 根据实际情况不断改变方法以达到最优解吧 出现原因： 1）增量式的参数更新(Incremental Parameter Adjustment) ，从输入到输出，有梯度下降完成（增量小，学习过程缓慢（每个增量都需要非常小，才不至于让新学到的信息，把之前学到的经验覆盖了 (这叫做“灾难性干扰”)）） DRL解决方案： 加入RNN时许思想，从过...
深度学习：随机值不可思议的有效性
weixin_34109408的博客
11-27 329
本文由北邮@爱可可-爱生活 老师推荐，阿里云云栖社区组织翻译。 以下为译文 ICLR 2017会议于法国土伦召开，我们收到了截止日期内提交的论文，与预期的关于深度学习新研究的涓涓细流不同，我们迎来了一场凶猛的洪水。这是一个研究领域的宝库，每时每刻都有新的文章发表。许多论文都对如今最前沿的技术做出了进一步的完善。我本希望能够找到一些更基本的关于深度学习本质...
交互设计入门：从概念到实践-上篇
"本文是关于交互设计的上篇教程，涵盖了交互设计的概念、核心要素以及交互设计师的角色和职责。" 在交互设计的世界里，理解和掌握基本概念至关重要。交互设计定义为"你来我往"的过程，涉及到用户的输入和系统反馈。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值