引言 探索和利用的平衡 (The banlance between exploration and exploitation) 是强化学习中最核心的问题之一。 一般来说，利用指的是利用当前已知知识做出最优动作，探索指的是探索未知的环境以获取新的知识，从而潜在地可能得到回报更大的动作。探索与利用如何平衡的问题即是
发表时间：2016（NIPS 2016） 文章要点：这篇文章提出了Bootstrapped DQN算法来做深度探索。作者认为，当前的探索策略比如ϵ-greedy，并没有进行深度探索（temporally-extended (or deep) exploration）。Deep exploration指的是一个探索策略进行多步的探索，而不是像ϵ-greedy那种每步都是一个随
发表时间：2021（ICML 2021） 文章要点：这篇文章想说，通常强化学习算法exploration和exploitation都是混在一起的，既探索环境的dynamics，同时也利用探索到的信息来提升策略。但是要想更好的更新策略，就需要好的探索来收集任务相关的信息；要想得到更好的探索策略，就需要基于当前学到的策略还指
发表时间：2018（ICLR 2019） 文章要点：文章提出了一个random network distillation (RND)的算法，通过比较一个预测网络和一个随机初始化网络的越策误差作为exploration bonus来增加探索。主要思路是说，如果agent去过某个状态了，那么预测误差就会更小，反之就会大。 具体的，先有一个随机网络f，
发表时间：2020 文章要点：这篇文章是篇综述，主要从RL和planning的异同入手，总结了对解决MDP这类问题的公共因素，放到一起称作framework for reinforcement learning and planning (FRAP)的框架。首先文章提出，RL和planning的主要区别就是环境模型是已知的还是未知的，通常RL用在环境model
发表时间：2021 文章要点：一篇综述，主要从dynamics model learning，planning-learning integration和implicit model-based RL三个方面介绍。dynamics model learning包括stochasticity, uncertainty, partial observability, non-stationarity, state abstraction, and temporal abst
【题意翻译】 给定一个\(V\) 个点\(E\) 条边的带权无向图，在图上有\(N\) 个人，第\(i\) 个人位于点\(x_ i\) ，一个人通过一条边需要花费这条边的边权的时间。 现在每个人可以自由地走。求最短多少时间后满足结束后有人的节点数\(\geq K\) \(N,V \leq 500\) 【题目分析】 首先发现V很
发表时间：2020（NeurIPS 2020） 文章要点：文章发布了一个复杂的强化学习的环境，可以用来研究exploration，planning，language-conditioned RL等等。环境是一个地宫类的游戏，相当于一层一层找门找地道，开地宫然后收集道具打怪兽，最终目标是找到护身符（Amulet of Yendor）并交给Astral Plane里对应
在无人车领域当中，SLAM和导航两个部分一直是研究人员关注的重点，无人车作为移动机器人，这两个功能也十分重要，无人车到一个未知的环境中，人为控制无人车进行建图，建立好地图后，再使用导航，这是目前在无人车应用场景中十分常见的场景，但在实际应用过程中，还是存在局限性，很多应用场景下需
探究Java中基本类型和部分包装类在声明变量时不赋值的情况下java给他们的默认赋值 当基本数据类型作为普通变量(八大基本类型： byte,char,boolean,short,int,long,float,double) 只有开发人员对其进行初始化，java不会对其进行初始化， 如果不初始化基本类型变量，则编译时就会报错 实验
Regularized Evolution for Image Classifier Architecture Search这篇文章实际上解决的是针对NAS这个问题用EA算法的缺陷，一个很强的motivation是NAS是需要对搜到的网络进行重新训练的，但是即使是一个比较差的网络，在训练的过程中也可能因为偶然因素变得很好，如果是传统的EA算法，在种
目录 定制训练流程（Custom Training Workflows） 全局协调（Global Coordination） 回调函数和自定义准则（Callbacks and Custom Metrics） 可视化自定义的度量（Visualizing Custom Metrics） 自定义探索行为（Customizing Exploration Behavior） 训练过程中自定义评估（Cus
数据挖掘的简单流程包括以下部分： 数据获取：爬虫等途径获取数据 数据预处理：数据清洗、数据变换、数据描述 特征工程：特征构建、特征选择、特征提取 数据建模 预测或分析 数据获取暂时略过，爬虫方面R和Python都有很多好用的包，尤其是Python的Beautiful Soap，很方便使用了。 数据预处
问题描述 The competitors of Bubble Cup X gathered after the competition and discussed what is the best way to get to know the host country and its cities. After exploring the map of Serbia for a while, the competitors came up with the following facts: the cou
