What is RL
基于学习的决策的数学形式
从经验中学习决策和控制的方法
Why should we study this now
深度神经网络特征方法
强化学习的提升
计算能力的提升
我们还需要解决哪些其他问题才能实现现实世界的顺序决策?
1.如何学习
Learning from reward
基本的强化学习处理的是最大化奖励，这并不是影响顺序决策的唯一问题!
更高级的方法．
1.从示例example中学习奖励函数(反向强化学习)
2.领域间的知识转移(迁移学习、元学习)
3.学习预测并利用预测来行动
2.other forms of supervision
①Learning from demonstrations（从演示中学习）
直接复制观察到的行为
从观察到的行为推断奖励(反向强化学习)
②Learning from observing the world（从观察世界中学习）
学会预测
无监督学习
③Learning from other tasks（从其他任务中学习）
转移学习
元学习：学会学习
为什么需要DRL
深度Deep可以处理复杂的感官输入，也可以计算非常复杂的函数
强化学习RL可以选择复杂的行为
DRL目前取得well的方面
在简单、已知的规则所控制的领域获得高度的熟练程度
在有足够经验的情况下，使用raw生图输入能够学习简单的技能
从模仿足够多的人为专家行为中学习
挑战
人类的学习速度非常快，而深度RL方法通常很慢
人类可以重复使用过去的知识，而深度学习中的迁移学习是一个有待解决的问题
不清楚奖励功能是什么
不清楚预测的作用是什么
Resource：CS285官网资料
版权归原作者 Lee_ing 所有
未经原作者允许不得转载本文内容，否则将视为侵权:转载或者引用本文内容请注明来源及原作者
![[论文阅读] Deep Residual Learning for Image Recognition(ResNet)](https://www.kunjuke.com/file/css/thumb/8.jpg/280-180.jpg)
