DQN 从入门到放弃1 DQN与增强学习

深度增强学习Deep Reinforcement Learning是将深度学习与增强学习结合起来从而实现从Perception感知到Action动作的端对端学习End-to-End Learning的一种全新的算法。简单的说,就是和人类一样,输入感知信息比如视觉,然后通过深度神经网络,直接输出动作,中间没有hand-crafted engineering的工作。深度增强学习具备使机器人实现真正完全自主的学习一种甚至多种技能的潜力。

马里奥AI实现方式探索 ——神经网络+增强学习 - xlturing - 博客园

马里奥AI实现方式探索 ——神经网络+增强学习 综上便是从最基本的神经网络算法+增强学习,到将这些算法用在智能AI上的一些基本整理,长舒一口气,整理了好久。。。关于智能AI的应用有很多,也跟好多小伙伴讨论过,包括智能测试、新式游戏、游戏平衡性调整以及AI机器人的加入。这个领域除了枯燥的理论知识还能玩游戏,想想有点小激动。

谷歌深度学习系统超预期 人类已无法经理解电脑想法_爱活网 Evolife.cn

对谷歌而言,深度学习系统能够解决人类所不能解决的问题,自然也就是节约人力成本的好东西。将其更多的潜力挖掘出来,总好过雇佣一批每年拿着无数酬劳的高级专家。“机器学习非常复杂,我们需要花大量的时间在数据处理和特性更新上。甚至为了解决一个独立的问题,我们就需要聘请这一领域的专家。以后我们期望能够跳脱这样的模式,我们没法解决的问题,就让机器去完成。” 而且谷歌实际也在开发其他类似的决策选择系统,如Borg与Omega,这些系统在分配工作负荷时,行为方式也更像是活物。将来,机器的“独立思考”或将真正成为可能。至少现在,我们让计算机与人类达成了这样的协作关系。