中文字幕第二一区_久久久久在线视频_精品国产自在现线看久久_亚洲精品一区二区三区电影网

　　近兩年機器智能取得重大突破，像圍棋九段高手李世石敗北Alpha Go，DeepMind團隊研發(fā)的機器人在Atari多項游戲上超越人類水平。這些突破主要得益于從基于深度學(xué)習(xí)的視覺、語音、語義感知到動作反饋的激勵懲罰強化訓(xùn)練模式。本文從概念上分析深度強化學(xué)習(xí)的要點，部分摘于ICML 2016 Tutorial里的Deep Reinforcement Learning[1]的報告。

　　強化學(xué)習(xí)，即機器人根據(jù)環(huán)境里動作得到的懲罰和激勵去自動調(diào)整策略。通過訓(xùn)練，機器人學(xué)到一組策略：在環(huán)境狀態(tài)S下應(yīng)采取動作A，（可）能獲得最大累積獎勵V。

　　強化學(xué)習(xí)有豐富的交叉學(xué)科背景，包括經(jīng)濟學(xué)、工程學(xué)、神經(jīng)科學(xué)里的博弈論、優(yōu)化控制，條件反射系統(tǒng)。