上一次，我们了解了 Q-Learning：一种生成 Q-table 的算法，代理使用它来找到在给定状态下采取的最佳动作。

强化学习在训练agent时，优化的目标是最大化决策所能带来的长期奖励。传统的基于监督学习的推荐系统往往不考虑长期奖励，而是仅考虑短期的收益(例如此刻推荐什么物品点击率最高，或者本日推荐什么转化率最高)。因此，如果可...

A survey of benchmarking frameworks for reinforcement learning

李凯文，张涛，王锐*，覃伟健，黄鸿，贺惠辉，基于深度强化学习的组合优化研究进展，自动化学报，2020, 41(x): 1−17 doi: 10.16383/j.aas.c200551

双足机器人昂贵、复杂且易碎。单从平衡性来看，双脚站立和行走要比四足难得多，但由于双足机器人更像人，仍然有许多研究者致力于研发双足机器人。...

起因是：前几年我在老家郑州实习面试(那个时候还没有毕业)的时候遇到面试官提问；面试官来于百度总部的工程师6年java开发经验+3年多的PHP开发经验，我在他的面前基本就是弟弟中的弟弟，虽然勉强通过入职了，但是却被运维无情地...

今天小编给大家带来了一篇极全的2021最新图学习算法综述。该综述不仅囊括了目前热门的基于深度学习的图学习方法，还全面介绍了其它三个大类：基于图信号处理的方法、基于矩阵分解的方法、基于随机游走的方法。因此能带领...

最近偶然间跟同事一起吃饭聊起了自己做程序员的感受；同事大都是八年左右经验的互联网缔造者；听着他们说起自己一路走来的往事，仿佛在我眼前；仿佛他们最终所说的那个少年就是我。真的，因为我也是曾经那个不学无术的少年；也是...

上一章节面试官问了我们关于string数据结构的使用场景以及注意的点。虽然我们对答如流，但是毕竟只是redis很基础的知识点，下面面试官即将开始新的一轮面试要点，注重考查我们的日常工作中使用的场景以及怎样解决出现的弊...

近年来，AutoML在自动化机器学习的设计方面已经取得了巨大的成功，例如设计神经网络体系结构和模型更新规则。