上一期的文章《网格迷宫、Q-learning算法、Sarsa算法》的末尾，我们提到了Q学习固有的缺陷：由于智能体(agent)依赖以状态-动作对为自变量的Q函数表(Q Function Table)来形成对当前状态的估计，并以此为依据利用策略π选择...

QLearning是强化学习算法中value-based的算法，Q即为Q（s,a）就是在某一时刻的 s 状态下(s∈S)，采取 动作a (a∈A)动作能够获得收益的期望，环境会根据agent的动作反馈相应的回报reward r，所以算法的主要思想就是将State与Actio...

人工智能（AI）一词没有严格的定义。广义上说，人工智能指的是旨在模仿人类智能的计算机系统，其目标是执行人类可以完成的任何任务（图1）。人工智能通常被认为是计算机科学的一个子领域，但它与其他几个研究领域密切相关，包括数据...

最大化实时视频的体验质量(QoE)是一个长期存在的挑战。传统的视频传输协议以少量确定性规则为代表，难以适应异构、高度动态的现代互联网。新兴的基于学习的算法已经显示出应对这一挑战的潜力。然而，我们的测量研究揭示...

大家好，又见面了，我是你们的朋友全栈君。 本篇文章是基于台大李宏毅老师的课程写的，如有疏漏，请看原课程。https://www.youtube.com/watch?v=rl_ozvqQUU81.

从Google的alphago以绝对优势接连战胜人类围棋中的佼佼者(李世石, 柯洁)之后，这总结果当然是震撼的，从此人工智能声名大噪。但是纵使目前能使机器智力超群，围棋上的造诣无人能比，但是它还是连一颗棋子都拿不起来。大家总...

从之前的讨论看，都是有奖励的。哪怕是上一章的稀疏奖励，其实也有奖励。==假如任何奖励都没有怎么办？==本章介绍的就是这种情况的解决办法。 什么时候任何奖励都没有。其实还挺常见的，以聊天机器人为例，聊的好不好很难定义...

模仿学习是强化学习的好伙伴，使用模仿学习可以让智能体在比强化学习短得多的时间内得到与人类操作相近的结果，但是这种做法并不能超越人类，而强化学习能够得到远超人类的智能体，但训练时间往往非常漫长。因此我们希望让智...

模仿学习（imitation learning，IL）又叫做示范学习（learning from demonstration），学徒学习（apprenticeship learning），观察学习（learning by watching）。

前文是一些针对IRL，IL综述性的解释，后文是针对《Generative adversarial imitation learning》文章的理解及公式的推导。