【征稿】 IEEE神经网络与学习系统(TNNLS)专刊-深度强化学习及自适应动态规划
深度强化学习算法结合了深度学习的感知能力和强化学习及自适应动态规划的控制决策优势,直接依靠输入的图片信息来输出控制信号,从其提出以来,在理论研究和工程应用领域都取得了显著的成果,目前已广泛应用于视频游戏、围棋、机器人、智能驾驶、健康医疗等领域。
然而,对于深度强化学习及自适应动态规划算法的理论分析仍然是一个开放性的问题,如理论分析其收敛性、稳定性和最优性等,并有望对该算法进行创新或可与其他领域算法结合来提高其学习效率,也期待并鼓励出现更多的实际应用的例证。因此,本次专刊希望可以收录深度强化学习及自适应动态规划领域最先进的研究和应用成果,欢迎投递所有与本领域相关的论文,特定的主题包括但不限于:
New algorithms of deep RL or ADP;
Theory of deep RL or ADP;
Deep RL or ADP with transfer learning;
Deep RL or ADP with advanced search algorithms;
Multi-agent RL or ADP;
Hierarchical RL or ADP;
Event-driven RL or ADP;
Theoretical foundation of RL or ADP in convergence, stability, robustness, and etc. ;
Data-driven learning and control;
Control with advanced machine learning;
Optimal decision and control of cyber-physical systems;
Autonomous decision and control using neural structures;
Brain-like control design and applications;
New neural network topologies from neurocognitive psychology studies;
Neurocomputing structures for fast decision and control in dynamic environments;
Applications in realistic and complicated systems.
重要日期:
提交论文截止日期:2017年03月30日
初 审 通 知 日 期:2017年06月30日
修改提交截止日期:2017年07月30日
录 用 通 知 日 期:2017年09月30日
出 版 日 期:2017年11月
客座编辑:
赵 冬 斌 中科院自动化所 中国
刘 德 荣 北京科技大学 中国
F.L.Lewis 德州大学阿灵顿分校 美国
J.Principe 佛罗里达大学 美国
R.Babuska 代尔夫特理工大学 荷兰
投稿须知:
1. 请阅读作者须知,网址:http://cis.ieee.org/tnnls
2. 请于TNNLS主页(http://mc.manuscriptcentral.com/tnnls)根据投递流程投递您的初稿。请在稿件首页及封面信中注明该稿件投递于Deep Reinforcement Learning and Adaptive Dynamic Programming专刊,请以 “TNNLS special issue submission”为邮件名发送给客座编辑赵冬斌(dongbin.zhao@ia.ac.cn)以告知您稿件的提交。
3. 希望您于截止日期前尽早提交稿件,以便我们可以尽快开展审稿工作,发布您的成果。
点击“阅读原文”,购买首发新书《智能汽车-先进传感与控制》
德先生精彩文章回顾
在公众号会话位置回复以下关键词,查看德先生往期文章!
人工智能|类脑研究|人机大战|机器人
虚拟现实|无人驾驶|智能制造|无人机
科研创新|网络安全|数据时代|区块链
……
更多精彩文章正在赶来,敬请期待!
德先生旗下求知书店已正式投入运营,欢迎大家选购首发新书《智能汽车-先进传感与控制》。