【课题推荐发表期刊】

【课题背景】

现代人工智能技术的迅猛发展，主要得益于三个核心要素的共同作用：海量的数据资源、高效的算法设计以及强大的计算能力。在人工智能的发展历程中，数据驱动的学习方法已经在感知和预测领域取得了巨大的成功，这种成功正在逐步向决策领域扩展，涵盖了机器人控制、推荐系统、工业自动化、金融分析、芯片设计、自然语言处理以及医疗健康等多个重要领域。

本课题可结合数据驱动的方法和具体领域，将数据转换为高价值的决策“引擎”，利用数据不断提高系统性能，充分挖掘数据的潜在价值。

【课题方向参考】

• 离线强化学习及其具体领域

• 离线模仿学习及其具体领域

【适合人群】

工科背景，具备扎实的编程能力，能够熟练编写代码，熟悉深度学习相关的工具和技术，能够独立进行项目开发和问题解决，高度自主、能自我驱动，不断学习和探索新技术。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Dr. Peng，985高校博士后

• 发表4篇SCI论文，2篇EI论文，其中2篇SCI一区top，1篇IEEE Transactions，1篇CCF-A会议

• 辅导过一名研究生毕业论文；拥有丰富的中、英文学术论文辅导经验，熟悉各类论文写作规范和技巧，能够针对不同学科和研究领域提供专业的指导和建议

• 可提供开源代码并指导复现

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

• 2023 A Survey on Offline Reinforcement Learning: Taxonomy, Review, and Open Problems

• 2021 Offline Reinforcement Learning with Implicit Q-Learning