http://blog.csdn.net/songrotek/article/details/50572935

1 学习资料

增强学习课程 David Silver （有视频和ppt）:

http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html

最好的增强学习教材：

Reinforcement Learning: An Introduction

https://webdocs.cs.ualberta.ca/~sutton/book/the-book.html

 

深度学习课程 （有视频有ppt有作业）

 

https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

 

深度增强学习的讲座都是David Silver的：

ICLR 2015 part 1 https://www.youtube.com/watch?v=EX1CIVVkWdE

ICLR 2015 part 2 https://www.youtube.com/watch?v=zXa6UFLQCtg

UAI 2015 https://www.youtube.com/watch?v=qLaDWKd61Ig

RLDM 2015 http://videolectures.net/rldm2015_silver_reinforcement_learning/

 

其他课程：

增强学习

Michael Littman:

https://www.udacity.com/course/reinforcement-learning–ud600

 

AI（包含增强学习，使用Pacman实验）

Pieter Abbeel：

https://www.edx.org/course/artificial-intelligence-uc-berkeleyx-cs188-1x-0#.VKuKQmTF_og

 

Deep reinforcement Learning:

Pieter Abbeel

http://rll.berkeley.edu/deeprlcourse/

 

高级机器人技术（Advanced Robotics）：

Pieter Abbeel：

http://www.cs.berkeley.edu/~pabbeel/cs287-fa15/

 

深度学习相关课程：

用于视觉识别的卷积神经网络（Convolutional Neural Network for visual network)

http://cs231n.github.io/

 

机器学习 Machine Learning

Andrew Ng

https://www.coursera.org/learn/machine-learning/

http://cs229.stanford.edu/

 

神经网络（Neural Network for Machine Learning)(2012年的）

Hinton:

https://www.coursera.org/course/neuralnets

 

最新机器人专题课程Penn（2016年开课）：

https://www.coursera.org/specializations/robotics

 

2 论文资料

https://github.com/junhyukoh/deep-reinforcement-learning-papers

https://github.com/muupan/deep-reinforcement-learning-papers

 

这两个人收集的基本涵盖了当前deep reinforcement learning 的论文资料。目前确实不多。

 

3 大牛情况：

DeepMind：

http://www.deepmind.com/publications.html

 

Pieter Abbeel 团队：

http://www.eecs.berkeley.edu/~pabbeel/

 

Satinder Singh:

http://web.eecs.umich.edu/~baveja/

 

CMU 进展：

http://www.cs.cmu.edu/~lerrelp/

 

Prefered Networks: (日本创业公司，很强，某有代码）

 

4 会议情况

Deep Reinforcement Learning Workshop NIPS 2015

http://rll.berkeley.edu/deeprlworkshop/

***********************************************************************************************

Deep Reinforcement Learning 深度增强学习资源 (持续更新）

Flood Sung · 3 个月前

Deep Reinforcement Learning深度增强学习可以说发源于2013年DeepMind的Playing Atari with Deep Reinforcement Learning 一文，之后2015年DeepMind 在Nature上发表了Human Level Control through Deep Reinforcement Learning一文使Deep Reinforcement Learning得到了较广泛的关注，在2015年涌现了较多的Deep Reinforcement Learning的成果。而2016年，随着AlphaGo的出现，Deep Reinforcement Learning 将进入全面发展的阶段。

Deep Reinforcement Learning面向决策与控制问题，而决策与控制很大程度上决定了人工智能的发展水平。也因此，AlphaGo的出现具有里程碑的意义。Deep Reinforcement Learning研究使用深度神经网络来解决决策控制问题，是深度学习领域最前沿的研究方向之一。

本文主要收集与Deep Reinforcement Learning相关的各种资料，希望对有兴趣研究的童鞋有所帮助。接下来，本专栏将由我继续发布Deep Reinforcement Learning的相关文章。

PS：最新的资料会在资料前方标出。

1 学习资料

1）增强学习相关课程：

• David Silver的增强学习课程（有视频和ppt）: http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html
  
• 最好的增强学习教材：Sutton & Barto Book: Reinforcement Learning: AnIntroduction
  
• Nando de Freitas的深度学习课程 （有视频有ppt有作业）：Machine Learning
  
• Michael Littman的增强学习课程：https://www.udacity.com/course/reinforcement-learning–ud600
• Pieter Abbeel 的AI课程（包含增强学习，使用Pacman实验）：Artificial Intelligence
• Pieter Abbeel 的深度增强学习课程：CS 294 Deep Reinforcement Learning, Fall 2015
• Pieter Abbeel 的 高级机器人技术（Advanced Robotics）: CS287 Fall 2015
  
• 最新机器人专题课程Penn（2016年开课）：Specialization
  

2）深度学习相关课程：

• Fei Fei Li的用于视觉识别的卷积神经网络 : CS231n Convolutional Neural Networks for Visual Recognition
  
• Andrew Ng（一个是Coursera上的课程，一个是Stanford的课程）：Machine LearningCS 229: Machine Learning
• Hinton的神经网络课程（Neural Network for Machine Learning)(2012年的）Coursera - Free Online Courses From Top Universities
  

3）深度增强学习相关blog：

• drl的入门博客（感谢知友Richard Huang）
  

1. Guest Post (Part I): Demystifying Deep Reinforcement Learning

2.Guest Post (Part II): Deep Reinforcement Learning with Neon

3.Blog Post (Part III): Deep Reinforcement Learning with OpenAI Gym

• （最新）Andrej Karpathy blog: Deep Reinforcement Learning: Pong from Pixels

2 深度增强学习相关讲座

• David Silver的：
  

ICLR 2015 part 1 https://www.youtube.com/watch?v=EX1CIVVkWdE

ICLR 2015 part 2 https://www.youtube.com/watch?v=zXa6UFLQCtg

UAI 2015 https://www.youtube.com/watch?v=qLaDWKd61Ig

RLDM 2015 Deep Reinforcement Learning

(最新）ICML 2016：深度增强学习TutorialAlphaGo Tutorial

• Pieter Abbeel: https://www.youtube.com/watch?v=evq4p1zhS7Q
• （最新）Sergey Levine: Deep Robotic Learning
• （最新）John Schulman：Machine Learning Summer School

3 论文资料

• GitHub - junhyukoh/deep-reinforcement-learning-papers: A list of recent papers regarding deep reinforcement learning
  
• GitHub - muupan/deep-reinforcement-learning-papers: A list of papers and resources dedicated to deep reinforcement learning
  

这两个人收集的基本涵盖了当前deep reinforcement learning 的论文资料。目前确实不多。

4 大牛与企业情况：

• DeepMind：http://www.deepmind.com/publications.html
• OpenAI: OpenAI Gym
• Pieter Abbeel 团队(已加入OpenAI）：Pieter Abbeel---Associate Professor UC Berkeley---Co-Founder Gradescope---
• Satinder Singh:Home page for Satinder Singh (Baveja) and Reinforcement Learning
• CMU 进展：Lerrel PintoRuslan Salakhutdinov
• Prefered Networks: (日本创业公司）Preferred Networks
  
• Osaro:www.osaro.com
  

5 会议情况

• NIPS 2015 Deep Reinforcement Learning Workshop
• ICLR 2016
• （最新）RSS 2016 Deep Learning for Robotics

6 开源代码

在github可以找到dqn，ddpg，a3c, trpo 等深度增强学习典型算法的代码，以下为一些举例的开源代码：

• GitHub - songrotek/DeepTerrainRL: terrain-adaptive locomotion skills using deep reinforcement learning
  
• GitHub - songrotek/async-rl: An attempt to reproduce the results of "Asynchronous Methods for Deep Reinforcement Learning" (http://arxiv.org/abs/1602.01783)
  
• GitHub - songrotek/rllab: rllab is a framework for developing and evaluating reinforcement learning algorithms.
  
• GitHub - songrotek/DRL-FlappyBird: Playing Flappy Bird Using Deep Reinforcement Learning (Based on Deep Q Learning DQN using Tensorflow)
  
• GitHub - songrotek/DeepMind-Atari-Deep-Q-Learner: The original code from the DeepMind article + my tweaks

总结

以上是生活随笔为你收集整理的Deep Reinforcement Learning 深度增强学习资源的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。