原创力文档- 1、本文档共18页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
深度强化学习综述-控制理论与应用
See discussions, stats, and author profiles for this publication at: /publication/306145314
Review of deep reinforcement learning and
discussions on the development of computer
Go
Article · une 2016
DOI: 10.7641/CTA.2016.60173
CITATION READS
1 69
9 authors, including:
Kun Shao Yonghua Zhu
Chinese Academy of Sciences Hunan University
4 PUBLICATIONS 1 CITATION 36 PUBLICATIONS 264 CITATIONS
SEE PROFILE SEE PROFILE
All content following this page was uploaded by Kun Shao on 27 April 2017.
The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
第33 卷第6 期 控制 理 论 与 应 用 Vol. 33 No. 6
2016 年6 月 Control Theory Applications Jun. 2016
DOI: 10.7641/CTA.2016.60173
深深深度度度强强强化化化学学学习习习综综综述述述: 兼兼兼论论论计计计算算算机机机围围围棋棋棋的的的发发发展展展
赵冬斌 , 邵 坤 , 朱圆恒 , 李 栋 , 陈亚冉 , 王海涛
(1. 中国科学院自动化研究所复杂系统管理与控制国家重点实验室, 北京100190）
刘德荣 , 周 彤 , 王成红
(2. 北京科技大学自动化学院, 北京100083; 3. 清华大学自动化系, 北京100084;
4. 国家自然科学基金委信息科学部, 北京100085)
摘要: 深度强化学习将深度学习的感知能力和强化学习的决策能力相结合, 可以直接根据输入的图像进行控制,
是一种更接近人类思维方式的人工智能方法. 自提出以来, 深度强化学
文档评论（0）