随着深度神经网络的兴起，强化学习在许多传统游戏中得到了稳步的发展，并在许多游戏中超越了人类。
强化学习研究的场景主要集中在机器人、游戏、棋牌等方面，然而，自动驾驶的强化学习研究却很难在现实场景中进行实车训练。因为强化学习需要试错，迭代训练等，真实路上是经不起测试的。所以，一般自动驾驶都使用仿真训练。但这样出来的模型又比较不适用于真实场景。
那么，针对这一问题，本次邀请到一位多伦多大学强化学习、自动驾驶、决策规划与控制方向博士，为大家分享一下自己的论文工作。让大家对强化学习与自动驾驶之前的关系进行深度了解。并且解析强化学习中的图强化学习在先进车辆系统中心发挥的作用，详细分析原理和实验、进行评估并给出结果。
仅需 0 元，扫描下方二维码
注：一定要添加课程顾问
才能激活观看课程的权限哦
还有AI学习免费资料领取
添加人数比较多，请大家耐心等待
主讲内容：
时老师首先为大家解释，强化学习与机器学习之间的关系；其次，以雅达利游戏为例介绍强化学习的问题是如何构建的；然后，进一步以智能网联车辆决策项目为例，讲解多智能体图强化学习的应用；最后，分析图强化学习的未来发展方向。
课程大纲：
一、认识强化学习
二、强化学习问题
2.1 智能体和环境的关系
2.2 雅达利的游戏
三、多智能体图强化学习用于智能网联车辆决策
3.1 先进车辆系统中心的控制结构
3.2 图注意力机制
3.3 MARL-CAVG结构
3.4 实验设计与性能比较
四、图强化学习的未来
讲师介绍：
时老师
· 多伦多大学强化学习、自动驾驶、决策规划与控制方向博士；
· 在IEEE IV、IEEE ITSC、ICML、NeurIPS发表多篇高水平论文；
· Momenta、旷视、创新工厂、轻舟智航、蒙特利尔机器学习研究所工作学习经历；
· 参与多项人工智能项目孵化，承担多项科研课题，有丰富的教学授课工作经验。
免费礼包：
想入门AI行业，基础学习必不可少，这些免费学习资料大礼包，4本AI好书和8份人工智能知识图谱，帮你成长。
《Artificial Intelligence A Modern Approach 人工智能——一种现代方法》：人工智能的扛鼎之作，MIT，斯坦福，哈佛等诸多名校的人工智能教材首选，适用于期望成为真正的人工智能专业人士以及接受系统训练的同学。
《深度学习：Deep Learnin》：从基本的统计学和微积分讲起，帮助掌握最先进的深度学习技术。适用于使用与希望对现代深度学习体系、原理以及方法又系统化学习方式的同学。
《动手学机器学习：Hands-On Machine Learning》：纯代码驱动，从理论到实践的最佳方式，从懂得理论到能解决问题。适用于希望能够代码时间解决人工智能问题的同学。
《流畅的Python：Fluent Python》：适用于掌握基础Python编程能力，希望能够掌握更加良好的编程能力，成为真正的编程“职业选手”的同学。
想免费领取AI书籍和人工智能知识图谱（高清版）的同学，请扫描下方二维码报名课程添加。
仅需 0 元，扫描下方二维码
注：一定要添加课程顾问
才能激活观看课程的权限哦
还有AI学习免费资料领取
添加人数比较多，请大家耐心等待
