David解读深度强化学习：从基础概念到AlphaGo

David Silver深度强化学习课程2020版课件，从David Silver个人网站直接的下载的

基于深度强化学习的机器人运动控制研究进展.pdf

行业分类-物理装置-基于能量采集与深度强化学习的WLAN协议设计与优化方法.zip

深度学习实例 深度学习在高电压领域内的又一力作

基于深度强化学习DQN的无人艇避障控制（matlab）无人艇建模，巡逻艇建模，以及DQN代码，详见 https://blog.csdn.net/weixin_39344871/article/details/119346316

深度强化学习/监督学习实现与运行环境(TensorFlow/PyTorch)

基于深度强化学习的能源互联网智能巡检任务分配机制.pdf

LearningRacer-rl 概述 该软件能够在几分钟内通过深度强化学习来自我学习您的AI Robocar。 您可以使用Real Robocar和DonkeySim。 1.说明 许多DIY自驾车，例如JetBot或JetRacer，DonkeyCar，都通过监督学习来使用行为克隆。 该方法需要通过人工演示收集很多标记的数据。 在这种情况下，人类驾驶技术非常重要。 另一方面，在此软件中使用深度强化学习（DRL）。 通过与环境的交互，可以自动获得运行行为。 不需要人类标签的样本数据。 另外，该软件代理可以在Jetson Nano上运行。 为什么可以在Jetson Nano上运行并且学习时间短？ 因为使用了SAC（软演员评论家）和VAE的集成。 SAC是最新的政策外强化学习方法。 另外，VAE预先在云服务器上作为SAC的CNN层进行训练。（这种方法称为状态表示学习）。 此方法由An

本课程为强化学习与控制，由清华大学开设，长聘教授李升波主讲，共十一讲，本讲为第八讲，主要介绍深度强化学习，即以神经网络为载体的RL，包括深度化典型挑战、经验性处理技巧等。