【技术创作101训练营】从强化学习到学界前沿DQN，你需要了解这些

大家好，我是大鹅，本次演讲会介绍强化学习RL的基础知识，基本方法，以及如何推导到DQN，和关于DeepMind的Playing Atari with Deep Reinforcement Learning(DQN学习打砖块游戏)这篇论文的一些理解，后续改进方向，还有一些具体实现。

演讲大纲：

1. 强化学习基础
2. MDP马尔科夫决策过程
3. Value Function 价值函数
4. Bellman方程
5. Action-value Function 动作价值函数
6. Optimal Value Function 最优价值函数
7. Q-learning
8. DQN
9. 后续的Improvement方向
10. 参考文献

(演讲内容主要是公式推导的与算法介绍，PPT里都有)

Ref

http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html (David Silver的课程PPT)

https://zhuanlan.zhihu.com/p/21547911

http://www.cnblogs.com/wangxiaocvpr/p/5601972.html

http://www.cnblogs.com/jinxulin/p/3526542.html

http://blog.csdn.net/buyulian/article/details/79209338

DeepMind, Playing Atari with Deep Reinforcement Learning,2013

周志华，机器学习西瓜书