智能单元
首发于智能单元
Deep Reinforcement Learning 深度增强学习资源 (持续更新)

Deep Reinforcement Learning 深度增强学习资源 (持续更新)

Deep Reinforcement Learning深度增强学习可以说发源于2013年DeepMind的Playing Atari with Deep Reinforcement Learning 一文,之后2015年DeepMind 在Nature上发表了Human Level Control through Deep Reinforcement Learning一文使Deep Reinforcement Learning得到了较广泛的关注,在2015年涌现了较多的Deep Reinforcement Learning的成果。而2016年,随着AlphaGo的出现,Deep Reinforcement Learning 将进入全面发展的阶段。

Deep Reinforcement Learning面向决策与控制问题,而决策与控制很大程度上决定了人工智能的发展水平。也因此,AlphaGo的出现具有里程碑的意义。Deep Reinforcement Learning研究使用深度神经网络来解决决策控制问题,是深度学习领域最前沿的研究方向之一。

本文主要收集与Deep Reinforcement Learning相关的各种资料,希望对有兴趣研究的童鞋有所帮助。接下来,本专栏将由我继续发布Deep Reinforcement Learning的相关文章。

PS:最新的资料会在资料前方标出。

1 学习资料

1)增强学习相关课程:

2)深度学习相关课程:

3)深度增强学习相关blog:


1.Guest Post (Part I): Demystifying Deep Reinforcement Learning

2.Guest Post (Part II): Deep Reinforcement Learning with Neon

3.Blog Post (Part III): Deep Reinforcement Learning with OpenAI Gym

2 深度增强学习相关讲座

  • David Silver的:

ICLR 2015 part 1 youtube.com/watch?

ICLR 2015 part 2 youtube.com/watch?

UAI 2015 youtube.com/watch?

RLDM 2015 Deep Reinforcement Learning

ICML 2016:深度增强学习TutorialAlphaGo Tutorial


3 论文资料


这两个人收集的基本涵盖了当前deep reinforcement learning 的论文资料。目前确实不多。

4 大牛与企业情况:

5 会议情况

6 开源代码

在github可以找到dqn,ddpg,a3c, trpo 等深度增强学习典型算法的代码,以下为一些举例的开源代码:



版权声明:本文为原创文章,未经允许不得转载。

编辑于 2016-08-25

文章被以下专栏收录

    面向通用人工智能和机器人学习,聚焦深度增强学习,可微神经计算机和生成对抗模型。