强化学习代码和课件.zip

上传者: 18822147 | 上传时间: 2021-06-16 19:57:17 | 文件大小: 75.49MB | 文件类型: ZIP
强化学习课件,强化学习(Reinforcement Learning, RL),又称再励学习、评价学习或增强学习,是机器学习的范式和方法论之一,用于描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题 [1] 。 强化学习的常见模型是标准的马尔可夫决策过程(Markov Decision Process, MDP)。按给定条件,强化学习可分为基于模式的强化学习(model-based RL)和无模式强化学习(model-free RL) [1] ,以及主动强化学习(active RL)和被动强化学习(passive RL) [2] 。强化学习的变体包括逆向强化学习、阶层强化学习和部分可观测系统的强化学习。求解强化学习问题所使用的算法可分为策略搜索算法和值函数(value function)算法两类。深度学习模型可以在强化学习中得到使用,形成深度强化学习。

文件下载

资源详情

[{"title":"( 14 个子文件 75.49MB ) 强化学习代码和课件.zip","children":[{"title":"introRL-master","children":[{"title":"lecture7.pdf <span style='color:#111;'> 6.20MB </span>","children":null,"spread":false},{"title":"lecture4.pdf <span style='color:#111;'> 5.16MB </span>","children":null,"spread":false},{"title":"lecture1.pdf <span style='color:#111;'> 6.63MB </span>","children":null,"spread":false},{"title":"lecture_alphastar.pdf <span style='color:#111;'> 11.79MB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"asset","children":[{"title":"teaser.png <span style='color:#111;'> 419.27KB </span>","children":null,"spread":false}],"spread":true},{"title":"lecture3.pdf <span style='color:#111;'> 4.56MB </span>","children":null,"spread":false},{"title":"lecture10.pdf <span style='color:#111;'> 16.86MB </span>","children":null,"spread":false},{"title":"lecture5.pdf <span style='color:#111;'> 4.64MB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.74KB </span>","children":null,"spread":false},{"title":"lecture6.pdf <span style='color:#111;'> 5.27MB </span>","children":null,"spread":false},{"title":"lecture9.pdf <span style='color:#111;'> 6.10MB </span>","children":null,"spread":false},{"title":"lecture8.pdf <span style='color:#111;'> 10.79MB </span>","children":null,"spread":false},{"title":"lecture2.pdf <span style='color:#111;'> 1.76MB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明