简介

• 什么是 强化学习 (Reinforcement Learning)
• 强化学习方法汇总 (Reinforcement Learning)
• 为什么用强化学习 Why?
• 课程要求

Q-learning

• 小例子
• 什么是 Q Leaning
• Q-learning 算法更新
• Q-learning 思维决策

Sarsa

• 什么是 Sarsa
• Sarsa 算法更新
• Sarsa 思维决策
• 什么是 Sarsa(lambda)
• Sarsa-lambda

Deep Q Network

• 什么是 DQN
• DQN 算法更新 (Tensorflow)
• DQN 神经网络 (Tensorflow)
• DQN 思维决策 (Tensorflow)
• OpenAI gym 环境库
• Double DQN (Tensorflow)
• Prioritized Experience Replay (DQN) (Tensorflow)
• Dueling DQN (Tensorflow)

Policy Gradient

• 什么是 Policy Gradients
• Policy Gradients 算法更新 (Tensorflow)
• Policy Gradients 思维决策 (Tensorflow)

Actor Critic

• 什么是 Actor Critic
• Actor Critic (Tensorflow)
• 什么是 Deep Deterministic Policy Gradient (DDPG)
• Deep Deterministic Policy Gradient (DDPG) (Tensorflow)
• 什么是 Asynchronous Advantage Actor-Critic (A3C)
• Asynchronous Advantage Actor-Critic (A3C) (Tensorflow)
• Distributed Proximal Policy Optimization (DPPO) (Tensorflow)

强化学习是机器学习大家族中的一大类, 使用强化学习能够让机器学着如何在环境中拿到高分, 表现出优秀的成绩. 而这些成绩背后却是他所付出的辛苦劳动, 不断的试错, 不断地尝试, 累积经验, 学习经验.