推荐免费书｜MIT出版《Reinforcement Learning: An Introduction》
推荐这本“增强学习”的书，一共300+页，内容不算最新，但非常全面。Richard S. Sutton and Andrew G. Barto的作品，MIT出版《Reinforcement Learning: An Introduction》，感兴趣的同学可以直接下载使用：
下载地址：https://www.aminer.cn/archive/reinforcement-learning-an-introduction-mit-press/53e9aa23b7602d970338f339
登录查看更多
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。
相关VIP内容
相关资讯
相关论文
微信扫码咨询专知VIP会员