崇志宏：强化学习和深度强化学习

深度学习在强化学习方面的应用所产生的深度强化学习取得快速发展。如何解释深度强化学习优势产生的原因是理解技术的基本方法。强化学习的问题ntel ab数据&智能实验室Agentstate rewardS,||R+=PS=1=8:8:1anR,+1, Environment5o,A0,B1,S1,41,,S2,A2,R3东南大学数据与智能实验室(D& nte lab)强化学习算法的基本范式ntel ab数据&智能实验室Generalized Policy Iteration1. Policy Iteration2. Value iterationevaluationTTU,丌率丌~ greedy(Vdyugreimprovement1. Policy Evaluation博弈2. Policy Improvement1.策略评价逼近策略价值2.策略提高远离策略价值Elements of rlntel ab数据&智能实验室o Policy Valuation Oriented MethodsModel-based or free estimationExp ion or Exploit0 nl ine or0千f|ineExpans ion and Backup Operation(q*)maxnax东南大学数据与智能实验室(D& Inte lab)Position of rlntel ab数据&智能实验室Long short TermPixeICNNPixeIRNNMemory(LSTM)ConvolutionNetworks withFully ConnectedNeural NetworkAutoregressiveNetworkMemoryNetwork(CNN)(FCN)StochasticGradientSecond OrderEarth Mover DistanceDescent (SGD)Algorithms(EMD)NetworksyRt+k+1 St=s, At=ak=0