深度强化学习简述
机器学习
2017-11-15 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
深度强化学习有望彻底改变人工智能领域，并代表着迈向构建具有更高水平视觉世界理解能力的自主系统的一步。目前，深度学习正在使强化学习能够扩展到以前难以处理的问题，例如直接从像素学习玩视频游戏。深度强化学习算法也被应用于机器人技术，使得机器人的控制策略可以直接从现实世界的相机输入中学习。在本综述中，我们首先介绍强化学习的一般领域，然后进展到基于价值和基于策略的主要方法流。我们的综述将涵盖深度强化学习中的核心算法，包括 deep -network、trust region policy optimisation 和 asynchronous advantage actor-critic。同时，我们强调深度神经网络的独特优势，重点关注通过强化学习实现的视觉理解。最后，我们描述了该领域内的几个当前研究方向。
引用
@article{arxiv.1708.05866,
title = {A Brief Survey of Deep Reinforcement Learning},
author = {Kai Arulkumaran and Marc Peter Deisenroth and Miles Brundage and Anil Anthony Bharath},
journal= {arXiv preprint arXiv:1708.05866},
year = {2017}
}
备注
IEEE Signal Processing Magazine, Special Issue on Deep Learning for Image Understanding (arXiv extended version)