前几天听到一声广告语：只要你愿意，从现在开始努力，最坏的结果不过是大器晚成。好了，既然我们决定要努力，要怎么做呢？我们要有自己的一套方法论，如何...

在2013年DQN首次被提出后，学者们对其进行了多方面的改进，其中最主要的有六个，分别是：Double-DQN：将动作选择和价值估计分开，避免价...

之前介绍的DQN及其各种变体，网络输出的都是状态-动作价值Q的期望预估值。而本文将介绍的Categorical DQN，它建模的是状态-动作价值...

在强化学习中，反馈稀疏是一个比较常见同时令人头疼的问题。因为我们大部分情况下都无法得到有效的反馈，模型难以得到有效的学习。为了解决反馈稀疏的问题...

看了李宏毅老师的深度强化学习视频，决定总结一下这两块的知识，感觉之前还是没接触过的。 视频链接：https://www.bilibili.com...

跟着李宏毅老师的视频，复习了下AC算法，新学习了下A2C算法和A3C算法，本文就跟大家一起分享下这三个算法的原理及tensorflow的简单实现...

这两天看了一下李宏毅老师的强化学习课程的前两讲，主要介绍了Policy Gradient算法和Proximal Policy Optimizat...

1、背景 GAN作为生成模型的一种新型训练方法，通过discriminative model来指导generative model的训练，并在真...