第14期：深度强化学习《论文快报》

DeepRL论文快报

来源自：arxiv.com

编辑：DeepRL

Model-based Multi-Agent Reinforcement Learning with Cooperative Prioritized Sweeping

arxiv链接: https://arxiv.org/pdf/2001.07527.pdf

Reinforcement Learning with Probabilistically Complete Exploration

arxiv链接:https://arxiv.org/pdf/2001.06940.pdf

Algorithms in Multi-Agent Systems: A Holistic Perspective from Reinforcement Learning and Game Theory

arxiv链接: https://arxiv.org/pdf/2001.06487.pdf

Local Policy Optimization for Trajectory-Centric Reinforcement Learning

arxiv链接: https://arxiv.org/pdf/2001.08092.pdf

 On Simple Reactive Neural Networks for Behaviour-Based Reinforcement Learning

arxiv链接: https://arxiv.org/pdf/2001.07973.pdf

Graph Constrained Reinforcement Learning for Natural Language Action Spaces

arxiv链接: https://arxiv.org/pdf/2001.08837.pdf

Challenges and Countermeasures for Adversarial Attacks on Deep Reinforcement Learning

arxiv链接: https://arxiv.org/pdf/2001.09684.pdf

Active Task-Inference-Guided Deep Inverse Reinforcement Learning

arxiv链接: https://arxiv.org/pdf/2001.09227.pdf

GitHub每日同步更新(欢迎star)

https://github.com/NeuronDance/DeepRL/tree/master/DRL-PaperDaily

完

第49篇：全网首发最全深度强化学习资料(永更)

第48篇：30+个必知的《人工智能》会议清单

第47篇:《强化学习导论》代码/习题答案大全

第46篇：2019年-57篇深度强化学习文章汇总

第45篇：DQN系列(2): Double DQN 算法

第44篇：DQN系列(1): Double Q-learning

第43篇：起死回生|| 如何rebuttal顶会学术论文?

第42篇：深度强化学习入门到精通资料综述

第41篇：顶会征稿 ||  ICAPS2020: DeepRL

第40篇：实习生招聘 || 华为诺亚方舟实验室

第39篇：滴滴实习生|| 深度强化学习方向

第38篇：AAAI-2020 || 52篇深度强化学习论文

第37篇：Call For Papers# IJCNN2020-DeepRL

第36篇：复现"深度强化学习"论文的经验之谈

第35篇：α-Rank算法之DeepMind及Huawei改进

第34篇：从Paper到Coding, DRL挑战34类游戏

第33篇：DeepMind-102页深度强化学习PPT

第32篇：腾讯AI Lab强化学习招聘(正式/实习)

第31篇：强化学习，路在何方？

第30篇：强化学习的三种范例

第29篇：框架ES-MAML：进化策略的元学习方法

第28篇：138页“策略优化”PPT--Pieter Abbeel

第27篇：迁移学习在强化学习中的应用及最新进展

第26篇：深入理解Hindsight Experience Replay

第25篇：10项【深度强化学习】赛事汇总

第24篇：DRL实验中到底需要多少个随机种子？

第23篇：142页"ICML会议"强化学习笔记

第22篇：通过深度强化学习实现通用量子控制

第21篇：《深度强化学习》面试题汇总

第20篇：《深度强化学习》招聘汇总(13家企业）

第19篇：解决反馈稀疏问题之HER原理与代码实现

第18篇："DeepRacer" —顶级深度强化学习挑战赛

第17篇：AI Paper | 几个实用工具推荐

第16篇：AI领域：如何做优秀研究并写高水平论文？

第15篇： DeepMind开源三大新框架！

第14篇： 61篇NIPS2019DeepRL论文及部分解读

第13篇： OpenSpiel(28种DRL环境+24种DRL算法)

第12篇： 模块化和快速原型设计Huskarl DRL框架

第11篇： DRL在Unity自行车环境中配置与实践

第10篇： 解读72篇DeepMind深度强化学习论文

第9篇： 《AutoML》：一份自动化调参的指导

第8篇： ReinforceJS库（动态展示DP、TD、DQN）

第7篇： 10年NIPS顶会DRL论文(100多篇)汇总

第6篇： ICML2019-深度强化学习文章汇总

第5篇： 深度强化学习在阿里巴巴的技术演进

第4篇： 深度强化学习十大原则

第3篇： “超参数”自动化设置方法---DeepHyper

第2篇： 深度强化学习的加速方法

第1篇： 深入浅出解读"多巴胺（Dopamine）论文"、环境配置和实例分析

第13期论文：2020-1-21(共7篇)

第12期论文：2020-1-10(Pieter Abbeel一篇,共6篇)

第11期论文：2019-12-19(3篇，一篇OpennAI)

第10期论文：2019-12-13(8篇)

第9期论文：2019-12-3(3篇)

第8期论文：2019-11-18(5篇)

第7期论文：2019-11-15(6篇)

第6期论文：2019-11-08(2篇)

第5期论文：2019-11-07(5篇，一篇DeepMind发表)

第4期论文：2019-11-05(4篇)

第3期论文：2019-11-04(6篇)

第2期论文：2019-11-03(3篇)

第1期论文：2019-11-02(5篇)