论文部分内容阅读
强化学习是一类特殊的机器学习,通过与所在环境的自主交互来学习决策策略,使得策略收到的长期累积奖赏最大.最近,在围棋和电子游戏等领域,强化学习被成功用于取得人类水平的操作能力,受到了广泛关注.本文将对强化学习进行简要介绍,重点介绍基于函数近似的强化学习方法,以及在围棋等领域中的应用.
强化学习及其在电脑围棋中的应用
【摘 要】
：
强化学习是一类特殊的机器学习,通过与所在环境的自主交互来学习决策策略,使得策略收到的长期累积奖赏最大.最近,在围棋和电子游戏等领域,强化学习被成功用于取得人类水平的
【机 构】
：
南京邮电大学计算机学院/软件学院,南京大学计算机软件新技术国家重点实验室
【出 处】
：
自动化学报
【发表日期】
：
2016年5期
其他文献
利用样本分析方法从时域角度对芜湖市环境空气质量进行了分析，说明了环境空气中ＴＳＰ、ＳＯ２时域变化规律及污染趋势。
目的比较65%乙醇和无水乙醇回流提取法从甜瓜蒂中提取葫芦素的效率;同时比较甜瓜蒂纤维和甜瓜蒂粉末中葫芦素含量的差异。方法分别采用65%乙醇和无水乙醇加热回流法制备甜瓜
现阶段变电站继电保护二次回路中出现了多种多样的安全隐患,但是,随着社会的发展,变电站继电保护二次回路的排查工作 也逐渐出现了各种各样的排查手段。在具体工作过程中,工
用石蜡切片技术对克氏原螯虾主要动脉血管进行了组织学的比较研究。结果表明，克氏原螯虾主要动脉血管可依组织学结构的不同而分为二类，第一类血管包括胸直动、胸下动脉、腹下动
后人将周敦颐视为理学开山,有两点最关键:第一,他的精神气质成为儒者的榜样;第二,他提出的一些思想理论对理学的发展影响深远。周敦颐的思想集中体现在《太极图说》与《爱莲
发现有机小分子氯磺酚K与生物活性物质蛋白质能发生染色反应,在pH 4.30的缓冲溶液中,红色的氯磺酚K与无色的牛血清白蛋白形成蓝紫色复合物,其最大吸收波长为624 nm,较试剂本
火电厂中汽轮机主机设备至关重要,但从很大的程度上讲,汽轮机辅属设备运行的好坏,对于整个发电机组起着至关重要的作 用,汽机专业辅属设备经常发生故障,尤其是立式循环水泵,
近年来,随着印染行业的迅猛发展,印染废水的净化处理问题日益受到人们的重视,对印染废水的排放标准也越来越高。我国DCD-HCHO类脱色剂产品的质量和价格不一,因此对具有良好的
运用粉末晶体结构分析的原理,从白云母、金云母和黑云母 3种矿物的 X射线粉末衍射图中得出云母族矿物的层面衍射强度变化与八面体化学成分改变的规律; 利用相对衍射强度 I002
变电站的正常运转需要变电站的工作人员在日常的工作中将大量的重复性操作用最佳的方案进行处理, 而如何提升变电站设备 安全运行管理,则需要对变电站日常的重复性操作进行标