点击上方“AI遇见机器学习”，选择“星标”公众号

重磅干货，第一时间送达

一、资源简介
今天给大家分享一份关于强化学习应用报告。AlphaGo的出现，消除了人们对人工智能的悲观看法，由此也促进了强化学习的发展，本文为大家编译了来自李玉喜老师的强化学习介绍，从多个领域剖析强化学习的应用价值，强化学习问题在信息论、博弈论、自动控制等领域有得到讨论，被用于解释有限理性条件下的平衡态、设计推荐系统和机器人交互系统 。一些复杂的强化学习算法在一定程度上具备解决复杂问题的通用智能，可以在围棋和电子游戏中达到人类水平 。
强化学习在日常生活的实际应用中扮演越来越重要的角色。目前，我们已经见证了强化学习在一些领域中的应用，诸如推荐系统、广告，也许还有金融领域。我们将看到强化学习在未来几年甚至更久的时间里在如下领域中的蓬勃发展。

链接：
https://arxiv.org/abs/1908.06973v1
二、主要内容
强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题 
下面是这个报告中的主要内容：
  1. 强化学习在推荐系统的应用
  2. 强化学习在计算机系统的应用
  3. 强化学习在能源的应用
  4. 强化学习在健康的应用
  5. 强化学习在运输系统的应用
三、资源分享
同时为了方便大家，我们把最新资料打包好了，可以直接下载哦~
获取方式：
1. 关注我们的公众号“AI遇见机器学习”
2. 后台回复“最新强化学习应用” 即可以获取资料哈~（建议复制，避免错字）
推荐阅读
干货|学术论文怎么写
资源|NLP书籍及课程推荐（附资料下载）
干货|全面理解N-Gram语言模型
资源|《Machine Learning for OpenCV》书籍推荐
欢迎关注我们，看通俗干货！
继续阅读
阅读原文