- 0 介绍 07:00
- 1.1节 强化学习的简介 21:36
- 1.2节强化学习的模型 83:28
- 1.3节Gym介绍 45:04
- 2.1节 动态规划简介 14:22
- 2.2节 值函数与贝尔曼方程 50:28
- 2.3节 策略评估 45:07
- 2.4节 策略改进 44:33
- 2.5节 最优值函数与最优策略 27:06
- 2.6节 值迭代与策略迭代 26:25
- 2.7节 动态规划法求解最优策略 26:03
- 3.1节 蒙特卡罗法简介 14:19
- 3.2节 蒙特卡罗策略评估 82:19
- 3.3节 蒙特卡罗强化学习 42:25
- 3.4节 异策略蒙特卡罗法 73:23
- 4.1节 时序差分策略评估 83:02
- 4.2节 同策略时序差分强化学习 41:55
- 4.3节 异策略时序差分强化学习 32:26
- 4.4节 n步时序差分强化学习 17:37
- 5.1节 从感知机到神经网络 29:33
- 5.2节 深度神经网络 59:39
- 5.3节 激活函数、损失函数和数据预处理 84:38
- 5.4节 Pytorch深度学习软件包 103:32
- 6.1节 线性值函数近似法 83:18
- 6.2节 神经网络值函数近似法 62:35
- 6.3节 DDQN算法 11:43
- 6.4节 PrioritizedReplayDQN 23:24
- 6.5节 DuelingDQN算法 16:36
- 7.1节 策略梯度算法的原理 62:21
- 7.2节 策略梯度定理 27:31
- 7.3节 蒙特卡罗策略梯度算法 54:37
- 7.4节 演员-批评家策略梯度算法 33:51
- 8.1节 A3C 42:29
- 8.2节 DDPG 32:58
- 8.3节 PPO 60:32
- 6-6
- 6-7
- 6-8
- 6-9
- 6-10
- 6-11
- 7-2
- 深度强化学习理论与实践源码
- 深度强化学习配套资源
