会员服务

Hierarchical Imitation - Reinforcement Learning

2018 年 5 月 25 日 CreateAMind
相关VIP内容
可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
84+阅读 · 2020年5月14日
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
专知会员服务
26+阅读 · 2020年5月9日
Hierarchical Imitation - Reinforcement Learning

https://github.com/hoangminhle/hierarchical_IL_RL


效果：



登录查看更多
16
收起评论

相关内容

强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
84+阅读 · 2020年5月14日
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
专知会员服务
26+阅读 · 2020年5月9日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
30+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
100+阅读 · 2020年3月18日
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
专知会员服务
59+阅读 · 2020年2月18日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
130+阅读 · 2020年2月1日
【强化学习资源集合】Awesome Reinforcement Learning
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
64+阅读 · 2019年12月23日
【南洋理工大学课程】deep_reinforcement_learning（深度强化学习），109页ppt
【南洋理工大学课程】deep_reinforcement_learning（深度强化学习），109页ppt
专知会员服务
95+阅读 · 2019年11月2日
TensorFlow官方开源的神经结构学习（Neural Structured Learning）库
TensorFlow官方开源的神经结构学习（Neural Structured Learning）库
专知会员服务
15+阅读 · 2019年10月18日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
30+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
14+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
7+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
32+阅读 · 2019年1月3日
RL 真经
RL 真经
CreateAMind
4+阅读 · 2018年12月28日
李宏毅-201806-中文-Deep Reinforcement Learning精品课程分享
李宏毅-201806-中文-Deep Reinforcement Learning精品课程分享
深度学习与NLP
13+阅读 · 2018年6月20日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
9+阅读 · 2018年4月27日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
Deep Reinforcement Learning 深度增强学习资源
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
5+阅读 · 2017年11月4日
强化学习族谱
强化学习族谱
CreateAMind
14+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Hierarchical Graph Pooling with Structure Learning
Arxiv
10+阅读 · 2019年11月14日
Hierarchical Meta Learning
Arxiv
7+阅读 · 2019年4月19日
Deep learning for time series classification: a review
Arxiv
11+阅读 · 2019年3月14日
Learning to Walk via Deep Reinforcement Learning
Arxiv
6+阅读 · 2018年12月26日
A Hierarchical Neural Network for Sequence-to-Sequences Learning
A Hierarchical Neural Network for Sequence-to-Sequences Learning
Arxiv
3+阅读 · 2018年11月23日
Reward learning from human preferences and demonstrations in Atari
Arxiv
4+阅读 · 2018年11月15日
Hierarchical Deep Multiagent Reinforcement Learning
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
6+阅读 · 2018年9月25日
Hierarchical Reinforcement Learning with Deep Nested Agents
Arxiv
3+阅读 · 2018年5月18日
Learning to Extract Coherent Summary via Deep Reinforcement Learning
Arxiv
6+阅读 · 2018年4月19日
Video Captioning via Hierarchical Reinforcement Learning
Arxiv
20+阅读 · 2018年3月29日
游客
小贴士
相关主题
强化学习
GitHub
热门VIP内容
相关VIP内容
可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
84+阅读 · 2020年5月14日
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
专知会员服务
26+阅读 · 2020年5月9日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
30+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
100+阅读 · 2020年3月18日
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
【牛津大学】深度残差强化学习，Deep Residual Reinforcement Learning
专知会员服务
59+阅读 · 2020年2月18日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
130+阅读 · 2020年2月1日
【强化学习资源集合】Awesome Reinforcement Learning
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
64+阅读 · 2019年12月23日
【南洋理工大学课程】deep_reinforcement_learning（深度强化学习），109页ppt
【南洋理工大学课程】deep_reinforcement_learning（深度强化学习），109页ppt
专知会员服务
95+阅读 · 2019年11月2日
TensorFlow官方开源的神经结构学习（Neural Structured Learning）库
TensorFlow官方开源的神经结构学习（Neural Structured Learning）库
专知会员服务
15+阅读 · 2019年10月18日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
30+阅读 · 2019年10月17日
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
14+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
7+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
32+阅读 · 2019年1月3日
RL 真经
RL 真经
CreateAMind
4+阅读 · 2018年12月28日
李宏毅-201806-中文-Deep Reinforcement Learning精品课程分享
李宏毅-201806-中文-Deep Reinforcement Learning精品课程分享
深度学习与NLP
13+阅读 · 2018年6月20日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
9+阅读 · 2018年4月27日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
Deep Reinforcement Learning 深度增强学习资源
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
5+阅读 · 2017年11月4日
强化学习族谱
强化学习族谱
CreateAMind
14+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
Hierarchical Graph Pooling with Structure Learning
Arxiv
10+阅读 · 2019年11月14日
Hierarchical Meta Learning
Arxiv
7+阅读 · 2019年4月19日
Deep learning for time series classification: a review
Arxiv
11+阅读 · 2019年3月14日
Learning to Walk via Deep Reinforcement Learning
Arxiv
6+阅读 · 2018年12月26日
A Hierarchical Neural Network for Sequence-to-Sequences Learning
A Hierarchical Neural Network for Sequence-to-Sequences Learning
Arxiv
3+阅读 · 2018年11月23日
Reward learning from human preferences and demonstrations in Atari
Arxiv
4+阅读 · 2018年11月15日
Hierarchical Deep Multiagent Reinforcement Learning
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
6+阅读 · 2018年9月25日
Hierarchical Reinforcement Learning with Deep Nested Agents
Arxiv
3+阅读 · 2018年5月18日
Learning to Extract Coherent Summary via Deep Reinforcement Learning
Arxiv
6+阅读 · 2018年4月19日
Video Captioning via Hierarchical Reinforcement Learning
Arxiv
20+阅读 · 2018年3月29日
大家都在搜
  1. 中国牛奶简史
  2. chatbot
  3. 第十届迪拜国际空军
  4. 空军首长
  5. 首长会议
  6. 安全运营
  7. 现代机器人学
  8. 软件定义
  9. ocr
  10. 可视化理解四元数，愿你不再掉头发
Top
微信扫码咨询专知VIP会员
Top