强化学习—— 离散与连续动作空间（随机策略梯度与确定策略梯度）
强化学习—— 离散与连续动作空间（随机策略梯度与确定策略梯度）1. 动作空间1.1 离散动作空间1.2 连续动作空间1. 动作空间1.1 离散动作空间比如:{left,right,up}\{left,right,up\}{left,right,up}DQN可以用于离散的动作空间（策略网络）1.2
强化学习（四）—— Actor-Critic
强化学习（四）—— Actor-Critic1. 网络结构2. 网络结构2. 策略网络的更新-策略梯度3. 价值网络的更新-时序差分（TD）4. 网络训练流程3. 案例1. 网络结构状态价值函数：Vπ(st)=∑aQπ(st,a)⋅π(a∣st)V_\pi(s_t)=\sum_aQ_\pi(s_t
5篇关于强化学习在金融领域中应用的论文推荐
近年来机器学习在各个金融领域各个方面均有应用，其实金融领域的场景是很适合强化学习应用
强化学习 | 策略梯度 | Natural PG | TRPO | PPO
递进学习策略梯度：从 Gradient、Policy Gradient (REINFORCE、Q Actor-Critic、Advantage Actor-Critic ) 至 Natural Policy Gradient、TRPO、PPO 。逻辑清晰，含大量手写笔记，注释了黎曼流形、Hessia
论文推荐：StarCraft II Unplugged 离线强化学习
在本文中，我们将介绍 StarCarft II Unplugged 论文 [1]，本论文可以将AlphaStar进行了扩展或者说更好的补充解释，绝对值得详细阅读。
通过强化学习和官方API制作《星露谷物语》的自动钓鱼mod
使用官方 Stardew Valley 的 modding API 用 C# 编写一个自动钓鱼的mod
AlphaZero如何学习国际象棋的?
DeepMind 和 Google Brain 研究人员以及前世界国际象棋冠军Vladimir Kramnik通过概念探索、行为分析和对其激活的检查，探索了人类知识是如何获得的，以及国际象棋概念如何在 AlphaZero 神经网络中表示。
开启深度强化学习之路：Deep Q-Networks简介和代码示例
Deep Q-Learning 算法是深度强化学习的核心概念之一。神经网络将输入状态映射到（动作，Q 值）对。在本篇文章中将通过游戏的示例来介绍 Deep Q-Networks 的整个概念
