引入

智慧

人工智慧

強化學習初印象

強化學習的相關資料

• 經典書籍推薦：《Reinforcement Learning：An Introduction（強化學習導論）》（強化學習教父Richard Sutton 的經典教材）
• 經典理論課程推薦：2015 David Silver經典強化學習公開課、 UC Berkeley CS285 、斯坦福 CS234
  • 伯克利2018 Deep RL課程：http://rail.eecs.berkeley.edu/deeprlcourse/
• 強化學習經典論文
  • DQN. "Playing atari with deep reinforcement learning."
    https://arxiv.org/pdf/1312.5602.pdf
  • A3C. "Asynchronous methods for deep reinforcement learning."http://www.jmlr.org/proceedings/papers/v48/mniha16.pdf
  • DDPG. "Continuous control with deep reinforcement learning."https://arxiv.org/pdf/1509.02971
  • PPO. "Proximal policy optimization algorithms."https://arxiv.org/pdf/1707.06347
• 強化學習前沿研究方向：Model-base RL、 Hierarchical RL、 Multi Agent RL、 Meta Learning
• 經典環境庫：GYM https://gym.openai.com/
• 框架庫：PARLhttps://github.com/PaddlePaddle/PARL

說明

本系列文章，主要來自於百度飛槳深度學習學院的強化學習訓練營課程以及個人整理的學習筆記。

課程大綱：

另外，該課程其它學員的筆記參考：

• https://zhuanlan.zhihu.com/p/149322765（作者：Tiny Tony，來自伯克利）
• https://blog.csdn.net/weixin_45623093/article/details/106822739（作者：三歲學程式設計）
• https://www.bilibili.com/video/BV1vZ4y1H7Sk?from=search&seid=549012863325744772（作者：nikankind）
• https://blog.csdn.net/qq_42067550/article/details/106844303（作者：AItrust）
• https://blog.csdn.net/qq_44635194/article/details/106812096（作者：煙籠寒水月籠沙）
• https://blog.csdn.net/zbp_12138/article/details/106800911（作者：Mr.鄭先生_）
• https://yueqingsheng.github.io/post/qiang-hua-xue-xi-day-2-sarsa-q-learning/（作者：Goose）

（說明：未經允許，禁止轉載，望理解，謝謝）