講座主題：深度強(qiáng)化學(xué)習(xí)初探：從Q-Learning到DDPG
主講人： 劉磊
工作單位：河海大學(xué)
活動(dòng)時(shí)間：2020年12月19日 20:30--21:30
講座地點(diǎn)：騰訊會(huì)議，會(huì)議ID：154 163 874
主辦單位：煙臺(tái)大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院
內(nèi)容摘要：
深度強(qiáng)化學(xué)習(xí)最近取得了很多進(jìn)展，并在機(jī)器學(xué)習(xí)領(lǐng)域得到了很多的關(guān)注。傳統(tǒng)的強(qiáng)化學(xué)習(xí)局限于動(dòng)作空間和樣本空間都很小，且一般是離散的情境下。然而比較復(fù)雜的、更加接近實(shí)際情況的任務(wù)則往往有著很大的狀態(tài)空間和連續(xù)的動(dòng)作空間。實(shí)現(xiàn)端到端的控制也是要求能處理高維的，如圖像、聲音等的數(shù)據(jù)輸入。2013和2015年DeepMind的DQN將深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)成功結(jié)合的開端，它用一個(gè)深度網(wǎng)絡(luò)代表價(jià)值函數(shù)，依據(jù)強(qiáng)化學(xué)習(xí)中的Q-Learning，為深度網(wǎng)絡(luò)提供目標(biāo)值，對(duì)網(wǎng)絡(luò)不斷更新直至收斂。但DQN可以應(yīng)對(duì)高維輸入，而對(duì)高維的動(dòng)作輸出則束手無策，隨后DeepMind提出的DDPG，則可以解決有著高維或者說連續(xù)動(dòng)作空間的情境。
主講人介紹：
劉磊，男，1983年06月，博士，副教授，博士生導(dǎo)師。主持國家自然科學(xué)基金面上項(xiàng)目一項(xiàng)，國家博士后基金特別資助項(xiàng)目一項(xiàng)、國家博士后基金面上項(xiàng)目一項(xiàng)、江蘇省博士后資助計(jì)劃一項(xiàng)；完成國家自然科學(xué)青年項(xiàng)目一項(xiàng)。入選2018年度江蘇省青藍(lán)工程優(yōu)秀青年骨干教師培養(yǎng)對(duì)象，2018年度河海大學(xué)首屆大禹學(xué)者人才計(jì)劃第三層次。以第一作者或通訊作者在《IEEE Transactions on Automatic Control》、《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《Automatica》、《Science China Information Sciences》、《Systems & Control Letters》等SCI期刊上發(fā)表論文20篇。
