要实现人工智能的梦想，就需要学会做出正确决策的自主系统。强化学习是这样做的一个强大范式，它与大量的任务相关，包括机器人、游戏、消费者建模和医疗保健。本课程将提供强化学习领域的充实介绍，学生将学习强化学习的核心挑战和方法，包括推广和探索。通过讲课、书面作业和编码作业的结合，学生将学习RL的关键思想和技术。作业将包括强化学习的基础知识以及深度强化学习——一个结合了深度学习技术和强化学习的极具前景的新领域。
地址： https://web.stanford.edu/class/cs234/
学生能够学习到：
- 定义强化学习与人工智能和非交互式机器学习的区别的关键特征。
- 给定一个应用问题(例如，计算机视觉，机器人等)，决定它是否应该被表述为RL问题;如果是，可以正- 式定义它(根据状态空间，行动空间，动态和奖励模型)，说明什么算法(从类)是最适合解决它，并证明你的答案。
- 在代码中实现通用的RL算法。
- 描述(列出和定义)分析RL算法的多种标准，并根据这些指标评估算法:例如遗憾度、样本复杂度、计算复杂度、经验性能、收敛性等。
- 描述探索与开发的挑战，并对至少两种解决这一挑战的方法进行比较和对比(从性能、可伸缩性、实现的复杂性和理论保证方面)。
内容目录：
- Introduction to Reinforcement Learning
- Tabular MDP planning
- Tabular RL policy evaluation
- Q-learning
- RL with function approximation
- Policy search
- Exploration
- Exploration / Exploitation
- Batch Reinforcement Learning
- Monte Carlo Tree Search
成为VIP会员查看完整内容
Lecture 1: Introduction to RL
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。
Arxiv
0+阅读 · 2021年3月15日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2021年3月15日
微信扫码咨询专知VIP会员