深度强化学习 (DRL) 是一种使用深度学习技术扩展传统强化学习方法的一种机器学习方法。 传统强化学习方法的主要任务是使得主体根据从环境中获得的奖赏能够学习到最大化奖赏的行为。然而,传统无模型强化学习方法需要使用函数逼近技术使得主体能够学习出值函数或者策略。在这种情况下,深度学习强大的函数逼近能力自然成为了替代人工指定特征的最好手段并为性能更好的端到端学习的实现提供了可能。

精品内容

基于深度强化学习的作战概念能力需求分析*
专知会员服务
53+阅读 · 11月3日
【干货书】深度强化学习导论,140页pdf
专知会员服务
67+阅读 · 10月21日
作战 Agent 的学习算法研究进展与发展趋势
专知会员服务
37+阅读 · 10月3日
基于深度强化学习的海上编队防空任务分配
专知会员服务
53+阅读 · 8月14日
面向深度强化学习的对抗攻防综述
专知会员服务
44+阅读 · 8月2日
参考链接
父主题
微信扫码咨询专知VIP会员