深度逆向强化学习研究综述OA北大核心CSCDCSTPCD
Overview of deep inverse reinforcement learning
深度逆向强化学习是机器学习领域的一个新的研究热点,它针对深度强化学习的回报函数难以获取问题,提出了通过专家示例轨迹重构回报函数的方法.首先介绍了3类深度强化学习方法的经典算法;接着阐述了经典的逆向强化学习算法,包括基于学徒学习、最大边际规划、结构化分类和概率模型形式化的方法;然后对深度逆向强化学习的一些前沿方向进行了综述,包括基于最大边际法的深度逆向强化学习、基于深度Q网络的深度逆向强化学习和基于最大熵模型的深度逆向强化学习和示例轨迹非专家情况下…查看全部>>
Deep inverse reinforcement learning is a new research hotspot in the field of machine learning.It aims at recovering the reward function of deep reinforcement learning by the experts'example trajectories.This paper systematically introduces three kinds of classic deep reinforcement learning methods.Then inverse reinforcement learning algorithms including apprenticeship learning,max margin plan,structured classification and probability models are described;th…查看全部>>
陈希亮;曹雷;何明;李晨溪;徐志雄
陆军工程大学 指挥信息系统学院,南京210007陆军工程大学 指挥信息系统学院,南京210007陆军工程大学 指挥信息系统学院,南京210007陆军工程大学 指挥信息系统学院,南京210007陆军工程大学 指挥信息系统学院,南京210007
信息技术与安全科学
深度学习强化学习深度逆向强化学习
deep learningreinforcement learningdeep inverse reinforcement learning
《计算机工程与应用》 2018 (5)
24-35,12
国家重点研发计划(No.2016YFC0800606)中国工程院重点咨询课题(No.2017-XZ-05)总装备部预研基金(No. 9140A06020315JB25081)江苏省自然科学基金(No.BK20161469,No.BK20150721)中国博士后基金(No.2015M582786, No.2016T91017)江苏省重点研发计划(No.BE2015728,No.BE2016904).
评论