文件名称：强化学习代码和课件.zip
文件大小：75.49MB
文件格式：ZIP
更新时间：2023-09-03 03:47:13
强化学习
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。
【文件预览】：
introRL-master
----lecture7.pdf(6.2MB)
----lecture4.pdf(5.16MB)
----lecture1.pdf(6.63MB)
----lecture_alphastar.pdf(11.79MB)
----LICENSE(1KB)
----asset()
--------teaser.png(419KB)
----lecture3.pdf(4.56MB)
----lecture10.pdf(16.86MB)
----lecture5.pdf(4.64MB)
----README.md(4KB)
----lecture6.pdf(5.27MB)
----lecture9.pdf(6.1MB)
----lecture8.pdf(10.79MB)
----lecture2.pdf(1.76MB)