本篇博文通过悬崖寻路这一实例来实现Sarsa和Q-Learning算法。 相关代码主要参考自PARL强化学习公开课。.

gym可以理解为一个仿真环境，里面内置了多种仿真游戏。比如，出租车游戏、悬崖游戏。不同的游戏所用的网格、规则、奖励(reward)都不一样，适合为强化学习做测试。同时，其提供了页面渲染，可以可视化地查看效果。...

机器之心报道编辑：蛋酱在强化学习领域，「大力出奇迹」行得通？在自然语言处理、计算机视觉和二者的交叉领域中，通过训练大量与任务无关的数据集，建立大规模的通用模型来解决许多任务，已经成为主流方法。这些模型可以适应新的...

在春季 GTC 会议上，英伟达首席科学家兼研究部高级副总裁 Bill Dally 介绍了英伟达研发机构的基本情况，以及当前一些优先事项的细节。Dally 今年将重点放在英伟达正在研发并使用的人工智能工具上，这是一种非常聪明的逆向...

机器之心报道机器之心编辑部过去数年，以强化学习为代表的决策智能技术战胜人类玩家的新闻屡屡进入人们的视野，直观地展示了这种技术赋予 AI 的强大智能。同时，业界也开始思考，该技术能否像之前的机器学习、深度学习一样，应...

在强化学习中，我们有兴趣确定一种最大化获取奖励的策略。假设环境是马尔可夫决策过程（MDP）的理想模型，我们可以应用动态编程方法来解决强化学习问题。在这篇文章中，我介绍了可以在MDP上下文中使用的三种动态编程算法。为了...

2022年5月5日，Relay Therapeutics的Patrick Riley等人在JMC上发表综述，结合案例介绍了当前化学设计自动化的等级框架，以及不同等级的优缺点和面临的挑战，并分析最自动化的水平上，人与机器之间合作的关键点。...

DeepMind以其在深度强化学习方面的工作而闻名，尤其是在掌握复杂游戏和预测蛋白质结构方面。

2022年5月12日，Alphabet的子公司Isomorphic Labs对外宣布了其第一阶段的管理团队成员。新加入的成员包括首席科学官、首席技术官、机器学习和人员运营负责人。...

2021年11月，印度IT巨头TCS的Sowmya等人在JCIM上发表文章，提出了一种基于深度学习的从头药物设计方法，该方法可以根据靶蛋白活性位点结构信息进行从头药物分子设计。该方法运用广泛，可以针对任何结构已知的蛋白质进行全新...