資源|最新強化學習應用介紹分享

2022-01-12 AI遇見機器學習

點擊上方「AI遇見機器學習」，選擇「星標」公眾號

重磅乾貨，第一時間送達

一、資源簡介

今天給大家分享一份關於強化學習應用報告。AlphaGo的出現，消除了人們對人工智慧的悲觀看法，由此也促進了強化學習的發展，本文為大家編譯了來自李玉喜老師的強化學習介紹，從多個領域剖析強化學習的應用價值，強化學習問題在資訊理論、博弈論、自動控制等領域有得到討論，被用於解釋有限理性條件下的平衡態、設計推薦系統和機器人交互系統 。一些複雜的強化學習算法在一定程度上具備解決複雜問題的通用智能，可以在圍棋和電子遊戲中達到人類水平 。

強化學習在日常生活的實際應用中扮演越來越重要的角色。目前，我們已經見證了強化學習在一些領域中的應用，諸如推薦系統、廣告，也許還有金融領域。我們將看到強化學習在未來幾年甚至更久的時間裡在如下領域中的蓬勃發展。

連結：

https://arxiv.org/abs/1908.06973v1

二、主要內容

強化學習（Reinforcement Learning, RL），又稱再勵學習、評價學習或增強學習，是機器學習的範式和方法論之一，用於描述和解決智能體（agent）在與環境的交互過程中通過學習策略以達成回報最大化或實現特定目標的問題 

下面是這個報告中的主要內容：

強化學習在推薦系統的應用

強化學習在計算機系統的應用

強化學習在能源的應用

強化學習在健康的應用

強化學習在運輸系統的應用

三、資源分享

同時為了方便大家，我們把最新資料打包好了，可以直接下載哦~

獲取方式：

1. 關注我們的公眾號「AI遇見機器學習」

2. 後臺回復「最新強化學習應用」 即可以獲取資料哈~（建議複製，避免錯字）

推薦閱讀

乾貨|學術論文怎麼寫

資源|NLP書籍及課程推薦（附資料下載）

乾貨|全面理解N-Gram語言模型

資源|《Machine Learning for OpenCV》書籍推薦

歡迎關注我們，看通俗乾貨！

相關焦點

  • 葉志豪:介紹強化學習及其在 NLP 上的應用 | 分享總結
    同時隨著深度學習的發展，應用深度學習，很多自然語言的傳統難題得到突破。另外，引用 David Silver 的一句話：深度學習 (DL)+ 強化學習 (RL) = 人工智慧 (AI)。近日，在雷鋒網 AI 研習社公開課上，廣東工業大學葉志豪介紹了深度學習和強化學習兩大利器如何結合併應用於 NLP 中的文本生成和對話任務。
  • 專題| 深度強化學習綜述:從AlphaGo背後的力量到學習資源分享(附...
    隨後，會討論強化學習的各種應用，包括在遊戲（特別是 AlphaGo）、機器人、口語對話系統（聊天機器人）、機器翻譯、文本序列預測、神經架構設計、個性化網絡服務、醫療、金融及音樂生成等方面的應用。我們會提到一些未覆蓋到的主題/論文。在列舉強化學習相關資源之後，我們將會以討論結束論文。
  • 強化學習應用簡介
    下面簡單列舉一些強化學習的成功案例，然後對強化學習做簡介，介紹兩個例子：最短路徑和圍棋，討論如何應用強化學習，討論一些仍然存在的問題和建議，介紹《機器學習》強化學習應用專刊和強化學習應用研討會，介紹強化學習資料，回顧強化學習簡史，最後，簡單討論強化學習的前景。
  • 強化學習應用簡述
    下面簡單列舉一些強化學習的成功案例，然後對強化學習做簡介，介紹兩個例子：最短路徑和圍棋，討論如何應用強化學習，討論一些仍然存在的問題和建議，介紹《機器學習》強化學習應用專刊和強化學習應用研討會，介紹強化學習資料，回顧強化學習簡史，最後，簡單討論強化學習的前景。
  • 八千字長文深度解讀,遷移學習在強化學習中的應用及最新進展
    因此將遷移學習應用到強化學習中，勢必能幫助強化學習更好地落地到實際問題。本文將從遷移學習、強化學習中的遷移學習、強化學習中的遷移技術最新進展三個部分向大家分享。Part 1 遷移學習一、遷移學習是什麼？
  • 12月16日應用強化學習研討會邀請
    應用強化學習（ARL）研討會是一個介紹強化學習應用和理論的最新進展的線上討論會
  • DI極客說|強化學習在合成生物領域的應用
    「DI極客說」系列技術沙龍由上海人工智慧實驗室主辦，全球高校人工智慧學術聯盟承辦，商湯科技作為支持單位，AI研習社作為直播平臺，PaperWeekly、機器學習算法與自然語言處理
  • 資源 | 《深度強化學習》手稿開放了!
    而這本剛上線的《深度強化學習》手稿對前面的版本《深度強化學習綜述》做了大規模的改進；從一年多前的 70 頁擴充到現在的 150 頁。本文對此手稿進行了介紹。《深度強化學習》希望幫助初學者了解深度強化學習，也希望為教授、研究人員、學生、工程師、管理人員、投資者等廣大讀者提供一份深度強化學習參考資料。她在描繪深度強化學習領域大方向的同時兼顧了許多技術細節。
  • 時空AI技術:深度強化學習在智能城市領域應用介紹
    正是在深度強化學習的幫助下，AlphaGo得以橫掃世界級頂尖棋手。所以相比於有監督學習方法，深度強化學習在特定場景下可以達到超越人類的水準。在圍棋領域大放異彩之後，深度強化學習也在不斷地拓展著自己的疆域，遊戲、金融等越來越多的領域也出現了深度強化學習的身影。現代城市作為人類生產、生活的核心區域，是一個匯聚了交通、物流、能源等多個產業的複雜綜合體。
  • 資源|Stanford NLP組2019最新NLP與深度學習-CS224n課程分享
    斯坦福自然語言處理小組2019年的最新課程《CS224n: NLP與深度學習》春季課程已經全部結束了，課程內容囊括了深度學習在各項NLP任務中應用的最新技術，非常值得一看。NLP的應用無處不在，因為人們幾乎用語言交流一切：網絡搜索、廣告、電子郵件、客戶服務、語言翻譯、醫療報告等。近年來，深度學習方法在許多不同的NLP任務中獲得了非常高的性能，使用了不需要傳統的、任務特定的特徵工程的單個端到端神經模型。在本課程中，學生將全面了解NLP深度學習的前沿研究。通過講座、作業和最終項目，學生將學習設計、實現和理解他們自己的神經網絡模型的必要技能。
  • 圖神經網絡的十大學習資源分享
    字幕組雙語原文：【乾貨】圖神經網絡的十大學習資源分享英語原文：Top 10 Learning Resources for Graph Neural Networks翻譯：雷鋒字幕組（聽風1996）圖神經網絡（GNNs）是深度學習的一個相對較新的領域，從最近開始越來越流行。
  • 深度強化學習算法與應用研究現狀綜述
    概述了基於值函數和策略梯度的兩類深度強化學習算法，詳細闡述了深度Q網絡、深度策略梯度及相關改進算法的原理，並綜述了深度強化學習在視頻遊戲、導航、多智能體協作以及推薦系統等領域的應用研究進展。最後，對深度強化學習的算法和應用進行展望，針對一些未來的研究方向和研究熱點給出了建議。
  • 軟體應用丨吐血推薦,B站最強學習資源匯總(數據科學,機器學習,python)
    歸一化、梯度檢驗；能夠實現並應用各種優化算法，例如mini-batch、Momentum、RMSprop和Adam，並檢查它們的收斂程度；理解深度學習時代關於如何構建訓練/開發/測試集以及偏差/方差分析最新最有效的方法；能夠用TensorFlow實現一個神經網絡。
  • 強化學習常用算法+實際應用
    【新智元導讀】強化學習（RL）是現代人工智慧領域中最熱門的研究主題之一，其普及度還在不斷增長。本文介紹了開始學習RL需要了解的核心要素。強化學習是現代人工智慧領域中最熱門的研究主題之一，其普及度還在不斷增長。 強化學習是一種機器學習技術，它使代理能夠使用自身行為和經驗的反饋通過反覆試驗在交互式環境中學習。
  • 【乾貨】圖神經網絡的十大學習資源分享
    字幕組雙語原文：【乾貨】圖神經網絡的十大學習資源分享英語原文：Top 10 Learning Resources for Graph Neural Networks在他的文章中，他輕描淡寫地介紹了GNN，提供了最新方法的文獻回顧，並討論了他的論文— Semi-Supervised Classification with Graph Convolutional Networks.5.
  • 資源 | UC Berkeley CS 294深度強化學習課程(附視頻、學習資料)
    本文主要介紹了課程中的強化學習主題，涉及深度強化學習的基本理論與前沿挑戰。CS294 深度強化學習 2017 年秋季課程的所有資源已經放出。該課程為各位讀者提供了強化學習的進階資源，且廣泛涉及深度強化學習的基本理論與前沿挑戰。本文介紹了該課程主要討論的強化學習主題，讀者可根據興趣愛好與背景知識選擇不同部分的課程。
  • 深度強化學習(一)----深度學習介紹系列
    本來今天是打算按照目錄介紹機器學習的基礎中的線性回歸算法，但是由於最近一直在關注深度強化學習算法，於是乎，先乘熱打鐵先說說深度強化學習吧。說到機器學習最酷的分支，非Deep learning和Reinforcement learning莫屬（以下分別簡稱DL和RL）。這兩者不僅在實際應用中表現的很酷，在機器學習理論中也有不俗的表現。深度強化學習是啥呢？
  • MILA 2018夏季深度學習與強化學習課程資源大放送
    MILA 2018 深度學習與強化學習夏季課程目前已經開放了教學資源，機器之心簡要介紹了該課程所開放的資源與課程主題，讀者可參考這些主題選擇合適的課程
  • 強化學習精品書籍
    在本書 （2018 年 4 月出的第二版）中，Richard Sutton 和 Andrew Barto 清晰、簡單而又完整的說明關於強化學習的關鍵思想和算法。 本書討論的範圍從該領域的知識基礎的歷史到最新的發展和應用。
  • 「回顧」強化學習在自然語言處理中的應用
    本文首先介紹了強化學習的概念和相關知識，以及與監督學習的區別，然後就強化學習在自然語言處理應用中的挑戰和優勢進行了討論。1. 強化學習首先簡單介紹一下強化學習的概念。強化學習是一種與監督學習不一樣的學習範式，通過一個智能體與環境進行交互從而達到學習目標。