• 投稿

【强化学习的数学原理】课程：从零开始到透彻理解（完结）

92.8万
1.1万
2022-09-16 19:58:06
未经作者授权，禁止转载
正在缓冲...
1.5万
1.8万
3.8万
7247
教材PDF+PPT+代码网址： 1. 【Github】：https://github.com/MathFoundationRL/Book-Mathmatical-Foundation-of-Reinforcement-Learning 2. 【百度网盘】：https://pan.baidu.com/s/1kNxM8sl8FUWV6SiiGIep3Q?pwd=ghx8 3. 【Onedrive】：https://westlakeu-my.sharepoint.com/:f:/g/personal/lyujialing_westlake_edu_cn/EgN1-0jOU61BnaTkG7zJ9nsBUdjKEi6hNrdT5n8mp-qn3g?e=3MbtmD 其中GitHub的材料是最新的，有条件的推荐访问GitHub
数学
AI
计算机
公开课
自动控制
控制
计算机科学
线上课堂
强化学习
西湖大学
西湖大学WindyLab 发消息
欢迎来到西湖大学智能无人系统实验室（WINDY Lab）
国内名企招聘中，本科以上留学生即可！
留学生求职
视频选集
（1/54）
自动连播
【一张图讲完强化学习原理】 30分钟了解强化学习名词脉络
36:04
第1课-基本概念（State,action,policy等）
18:48
第1课-基本概念（Reward,return,MDP等）
22:11
第2课-贝尔曼公式（例子说明Return的重要性）
16:18
第2课-贝尔曼公式（State value的定义）
06:47
第2课-贝尔曼公式（贝尔曼公式的详细推导）
15:16
第2课-贝尔曼公式（公式向量形式与求解）
13:05
第2课-贝尔曼公式（Action value的定义）
09:32
第3课-贝尔曼最优公式（例子-如何改进策略）
07:36
第3课-贝尔曼最优公式（最优策略和公式推导）
11:12
第3课-贝尔曼最优公式（公式求解以及最优性）
10:17
第3课-贝尔曼最优公式（最优策略的有趣性质）
13:58
第4课-值迭代与策略迭代（值迭代算法）
11:45
第4课-值迭代与策略迭代（策略迭代算法）
15:08
第4课-值迭代与策略迭代（截断策略迭代算法）
13:33
第5课-蒙特卡洛方法（通过例子介绍蒙特卡洛）
08:13
第5课-蒙特卡洛方法（MC Basic算法介绍）
10:08
第5课-蒙特卡洛方法（MC Basic算法例子）
11:32
第5课-蒙特卡洛方法（MC Exploring Starts算法）
11:01
第5课-蒙特卡洛方法（MC Epsilon-Greedy算法介绍）
08:34
第5课-蒙特卡洛方法（MC Epsilon-Greedy算法例子）
12:52
第6课-随机近似与随机梯度下降（通过例子介绍Iterative mean estimation）
10:27
第6课-随机近似与随机梯度下降（Robbins-Monro算法介绍与例子）
10:37
第6课-随机近似与随机梯度下降（Robbins-Monro算法收敛性及应用）
14:05
第6课-随机近似与随机梯度下降（随机梯度下降算法介绍）
06:58
第6课-随机近似与随机梯度下降（随机梯度下降例子与收敛性）
09:44
第6课-随机近似与随机梯度下降（随机梯度下降有趣的性质）
13:22
第6课-随机近似与随机梯度下降（随机梯度下降对比BGD, MBGD, SGD）
09:59
第7课-时序差分方法（例子）
08:33
第7课-时序差分方法（TD算法介绍）
13:04
第7课-时序差分方法（TD算法收敛性、与MC的比较）
15:39
第7课-时序差分方法（Sarsa）
15:42
第7课-时序差分方法（Expected Sarsa 和n-step Sarsa）
13:40
第7课-时序差分方法（Q-learning介绍、on-policy vs off-policy）
17:07
第7课-时序差分方法（Q-learning伪代码与例子）
08:29
第7课-时序差分方法（TD算法的统一形式和总结）
09:48
第8课-值函数近似（例子-曲线拟合）
13:33
第8课-值函数近似（原理-目标函数介绍）
12:49
第8课-值函数近似（原理-优化算法和函数选择）
12:34
第8课-值函数近似（原理-示例与分析）
12:53
第8课-值函数近似（Sarsa和Q-learning）
08:13
第8课-值函数近似（DQN-基本原理）
09:40
第8课-值函数近似（DQN-Experience replay）
09:39
第8课-值函数近似（DQN-代码与例子）
14:18
第9课-策略梯度方法（该方法的基本思路）
10:25
第9课-策略梯度方法（该方法的目标函数1-Average value）
08:33
第9课-策略梯度方法（该方法的目标函数2-Average reward）
11:10
第9课-策略梯度方法（目标函数的梯度计算）
10:43
第9课-策略梯度方法（梯度上升算法和REINFORCE）
16:18
第10课-Actor-Critic方法（最简单的Actor-Critic (QAC)）
10:46
第10课-Actor-Critic方法（Advantage Actor-Critic (A2C)）
14:20
第10课-Actor-Critic方法（重要性采样和Off-Policy Actor-Critic）_更新
19:27
第10课-Actor-Critic方法（Deterministic Actor-Critic (DPG)）
11:28
第10课-Actor-Critic方法（再见）
01:29

用AI做PPT，我们走到哪一步了？【AI应用面对面 | 系列视频播客 EP01】
GenJi是真想教会你
98.2万 302

【莫烦Python】强化学习 Reinforcement Learning
莫烦Python
97.6万 5785

【王树森】深度强化学习(DRL)
Ruanpee
40.2万 3322

【AI Warehouse官方】AI学习如何逃脱陷阱（深度强化学习）
AI-Warehouse官方
46.5万 2190

AI学习如何上下楼梯（深度强化学习）
奇点迫近
130.3万 1063

一年前AI和一年后AI
夜清月明
289.0万 1081

ai生成威尔史密斯吃面条
浮生纪FleetingLives
87.3万 20

第3集 攻防专家惊喜加盟，与"诈骗团伙"斗智斗勇
ATEC科技社区
27.3万 1515

【2025版】王树森深度强化学习系列课程（100集）涵盖PPO算法/DQN算法/A3C/Q-Learning/SARSA算法等强化学习经典算法！
AI算法工程师exia
1.4万 6

第29集：李开复认为凭借这三点，中国将与美国平起平坐，靠谱！
想象视频
45.0万 412

强化学习理论通俗讲解
小虎哥哥爱学习
3905 2

第1集 数学是什么
小镇做题家琦玉
37.0万 3545

【补档】看深度强化如何逐步迭代学会行走
奇点迫近
17.3万 296

如何用“强化学习”训练AI玩各种游戏？
一身的絨雪
2.5万 112

神经网络不是这么用的啊混蛋！
取个名字真难5631
35.6万 47

我大抵是难毕业了，效果巨烂。Yolov5+deepsort+1DCNN
上课刷破站
26.3万 13

【AI?未来】AI=爱？李开复节目精华版

想象视频
8.1万 15

【只狼】用深度强化学习训练苇名弦一郎
不要纠结昵称了
72.3万 670

【Q-Learning算法+神经网络】1小时搞懂深度强化学习DQN算法原理及训练！轻松进行DQN算法改进及应用技巧！
计算机视觉与图像处理
3278 16

当你在强化学习环境中不小心改下参数belike
penzi
3.5万 4

DeepSeek-R1深度解读，大模型+强化学习重挫英伟达！
ZOMI酱
11.0万 120
展开
用万千姿态诠释爱的模样
客服
顶部
赛事库 课堂 2021拜年纪