wy443424238的博客

随着强化学习在机器人和游戏 AI 等领域的成功，该方法也引起了越来越多的关注。本期 PhD Talk，来自清华大学计算机系的博士生冯珺，为大家介绍了如何利用强化学习技术，更好地解决自然语言处理中的两个经典任务：关系抽取和文本分类。 在关系抽取任务中，尝试利用强化学习，解决远程监督方法自动生成的训练数据中的噪音问题。在文本分类任务中，利用强化学习得到更好的句子的结构化表示，并利用该表示得到了更好的文本分类效果。本次分享的两个工作均发表于 AAAI2018。

本书做到了理论和实践的平衡，既教你怎么做，又教你为什么，可能是最好的强化学习手册了。Deep Reinforcement Learning Hands-On是最新DL工具及其局限性的综合指南。本书介绍了RL的基础知识，为你提供编码智能学习智能体的专业知识，以承担一系列艰巨的实际任务。了解如何在“网格世界”环境中实施Q-learning，教你的智能体商购买和交易股票，并了解自然语言模型如何推动聊天机器人的繁荣。

该书以可读性强而著称， 在美国大学中采用率很高， 是数理逻辑方面的经典教材之一

多点插值的埃米尔特曲线、贝齐尔曲线及B样条曲线