Learning from delayed reward (Q-Learning的提出) (Watkins博士毕业论文)(建立了现在的reinforcement Learning模型)

Posted devilmaycry812839668

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Learning from delayed reward (Q-Learning的提出) (Watkins博士毕业论文)(建立了现在的reinforcement Learning模型)相关的知识,希望对你有一定的参考价值。

最近在在学习强化学习方面的东西, 对于现有的很多文章中关于强化学习的知识很是不理解,很多都是一个公式套一个公式,也没有什么太多的解释,感觉像是在看天书一般,经过了较长时间的挣扎最后决定从一些基础的东西开始入手,于是便有了这篇论文的发现。

 

Learning  from  Delayed  Reward   

 该论文的页面为:    http://www.cs.rhul.ac.uk/~chrisw/thesis.html

下载地址为:            http://www.cs.rhul.ac.uk/~chrisw/new_thesis.pdf

 

论文页面对这篇文章的描述:

The thesis introduces the notion of reinforcement learning as learning to control a Markov Decision Process by incremental dynamic programming,

and describes a range of algorithms for doing this, including Q-learning, for which a sketch of a proof of convergence is given.

 

这篇文章虽然在现有的很多文献中并不是很被提及,但是它却具有很大的意义。这篇文章(准确的说是作者在1987年发表的一篇会议论文,集成在了这篇学位论文中了)建立了现在意义上的强化学习模型,它第一次将trial-and-error  和 dynammic  programming   和  temporal  diffecrence  结合在了一起,并提出了Q-Learning算法。在某种意义上它可谓是“万恶之源”。

=====================================================

技术分享图片

============================================================

 文章目录:

技术分享图片

 

以上是关于Learning from delayed reward (Q-Learning的提出) (Watkins博士毕业论文)(建立了现在的reinforcement Learning模型)的主要内容,如果未能解决你的问题,请参考以下文章

Learning Python from Codecademy

读取大量 parquet 文件:read_parquet vs from_delayed

转发 Learning Go?—?from zero to hero

(转) Learning from Imbalanced Classes

Titanic: Machine Learning from Disaster

[导读]Learning from Imbalanced Classes