Angry Panda（T-800）

摘要： 原文地址： https://www.leiphone.com/news/201904/xpEfrUZkgvgYh8Pu.html 雷锋网 导语：几个参考建议 本文作者：黄善清 2019-04-10 14:18 雷锋网 AI 科技评论：国内博士一念就是 4 到 6 年，在这段时间里，接触最频繁的博士导 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9797695.html 在强化学习（十）Double DQN (DDQN)中，我们讲到了DDQN使用两个Q网络，用当前Q网络计算最大Q值对应的动作，用目标Q网络计算这个最大动作对应的目标Q值，进而消除贪婪法带来的偏差。今 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9778063.html 在强化学习（九）Deep Q-Learning进阶之Nature DQN中，我们讨论了Nature DQN的算法流程，它通过使用两个相同的神经网络，以解决数据样本和网络训练之前的相关性。但是还是有 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9756075.html 在强化学习（八）价值函数的近似表示与Deep Q-Learning中，我们讲到了Deep Q-Learning（NIPS 2013）的算法和代码，在这个算法基础上，有很多Deep Q-Learni 阅读全文

摘要： 原文地址： https://blog.csdn.net/woaipichuli/article/details/78645999 这篇博文简单的介绍PySC2的基本使用以及分析一份网友提供的代码（使用DQN来让计算机玩星际2）。 ##1-PySC2 ## Deepmind公布的这段python与Py 阅读全文

摘要： 原文地址： https://blog.csdn.net/qq_40244666/article/details/80957644 作者：BOY_IT_IT 来源：CSDN (本文是在Windows下搭建的环境) 一、anacandon的安装 1、下载anacandon软件 链接：https://ww 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9714655.html 在强化学习系列的前七篇里，我们主要讨论的都是规模比较小的强化学习问题求解算法。今天开始我们步入深度强化学习。这一篇关注于价值函数的近似表示和Deep Q-Learning算法。 Deep Q-Le 阅读全文

摘要： 原文地址： https://tech.meituan.com/2018/11/15/reinforcement-learning-in-mt-recommend-system.html 1 概述 “猜你喜欢”是美团流量最大的推荐展位，位于首页最下方，产品形态为信息流，承担了帮助用户完成意图转化、发现 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9669263.html 在强化学习（六）时序差分在线控制算法SARSA中我们讨论了时序差分的在线控制算法SARSA，而另一类时序差分的离线控制算法还没有讨论，因此本文我们关注于时序差分离线控制算法，主要是经典的Q-Lea 阅读全文

摘要： 原文地址： https://www.cnblogs.com/pinard/p/9614290.html 在强化学习（五）用时序差分法（TD）求解中，我们讨论了用时序差分来求解强化学习预测问题的方法，但是对控制算法的求解过程没有深入，本文我们就对时序差分的在线控制算法SARSA做详细的讨论。 SARS 阅读全文