本节主要介绍 Model-free prediction。从一个未知的MDP中估计出值函数。 1. Monte-Carlo Reinforcem...

这节主要讲了动态规划在强化学习中的用法。 引入两个问题的定义，Prediction，Control。Prediction： 预测问题，MDP的信...

问题：同样的问题，不同的表述，生成的回复就不一致。 方法：在seq2seq的的decoder 加入了用户向量，类似词向量，利用用户帐号信息，如性...

这节课同样讲的一些基础概念，为之后的课程做铺垫。 马尔科夫过程（Markov Processes） S是一个有限的状态集合P是state之间的转...

这节课主要讲了一些基本概念。 强化学习的特点 非监督，只需要一个奖励R 奖励是非即时的 agent 的actions 影响它后续的数据 1. R...

Pointer Networks 论文地址：https://arxiv.org/abs/1506.03134 因为上一篇博客CopyNet引用了...

Incorporating Copying Mechanism in Sequence-to-Sequence Learning 作者来自香港大...