文章目录
- 强化学习
-
- 强化学习解决的是什么样的问题？
- 举出强化学习与有监督学习的异同点。有监督学习靠样本标签训练模型，强化学习靠的是什么？
- [强化学习的损失函数（loss function）是什么？](#强化学习的损失函数（loss function）是什么？)
- [写贝尔曼方程（Bellman Equation）](#写贝尔曼方程（Bellman Equation）)
- 最优值函数和最优策略为什么等价？
- 求解马尔科夫决策过程都有哪些方法？
- 简述蒙特卡罗估计值函数的算法。
- 简述时间差分算法
- 介绍Q-Learning
- [DQN 算法](#DQN 算法)
-
- 基本原理
- DQN的两个关键trick分别是什么？
- [DQN 都有哪些变种？DQN有哪些改进方向？](#DQN 都有哪些变种？DQN有哪些改进方向？)
- 引入状态奖励的是哪种DQN？
- [Dueling DQN和DQN有什么区别？](#Dueling DQN和DQN有什么区别？)
- 介绍OpenAI用的PPO算法
- 介绍TRPO算法
- 为什么TRPO能保证新策略的回报函数单调不减？
- 介绍DDPG算法
- 画出DDPG框架
- [DDPG中的第二个D 为什么要确定？](#DDPG中的第二个D 为什么要确定？)
- 介绍A3C算法
- A3C中优势函数意义
- 强化学习如何用在推荐系统中？
- 介绍Sarsa算法
- [Sarsa 和 Q-Learning区别](#Sarsa 和 Q-Learning区别)
- [强化学习中有value-based 和 policy-based，这两种的优缺点分别是什么？应用场景分别是什么？](#强化学习中有value-based 和 policy-based，这两种的优缺点分别是什么？应用场景分别是什么？)
- value-based方法学习的目标是什么？
- [强化学习 DQN，DDQN，AC，DDPG 的区别](#强化学习 DQN，DDQN，AC，DDPG 的区别)
- 参考资料
强化学习
强化学习解决的是什么样的问题？
- TODO
举出强化学习与有监督学习的异同点。有监督学习靠样本标签训练模型，强化学习靠的是什么？
- TODO
强化学习的损失函数（loss function）是什么？
- TODO
写贝尔曼方程（Bellman Equation）
- TODO
参考资料
最优值函数和最优策略为什么等价？
- TODO
求解马尔科夫决策过程都有哪些方法？
- TODO
简述蒙特卡罗估计值函数的算法。
- TODO
简述时间差分算法
- TODO
介绍Q-Learning
- TODO
参考资料
DQN 算法
基本原理
参考资料
DQN的两个关键trick分别是什么？
- TODO
DQN 都有哪些变种？DQN有哪些改进方向？
- TODO
引入状态奖励的是哪种DQN？
-
TODO
-
Double -DQN
-
优先经验回放
-
Dueling-DQN
Dueling DQN和DQN有什么区别？
- TODO
介绍OpenAI用的PPO算法
- TODO
介绍TRPO算法
- TODO
为什么TRPO能保证新策略的回报函数单调不减？
- TODO
介绍DDPG算法
画出DDPG框架
DDPG中的第二个D 为什么要确定？
- TODO
介绍A3C算法
- TODO
参考资料
A3C中优势函数意义
- TODO
强化学习如何用在推荐系统中？
- TODO
参考资料
- 用强化学习研究推荐系统的前景和难度怎么样？
- 深度强化学习如何和推荐系统结合起来？
- ICML 2019 | 强化学习用于推荐系统，蚂蚁金服提出生成对抗用户模型
- 最新！五大顶会2019必读的深度推荐系统与CTR预估相关的论文
介绍Sarsa算法
- TODO
参考资料
Sarsa 和 Q-Learning区别
- TODO
参考资料
强化学习中有value-based 和 policy-based，这两种的优缺点分别是什么？应用场景分别是什么？
- TODO
value-based方法学习的目标是什么？
- TODO
强化学习 DQN，DDQN，AC，DDPG 的区别
- TODO