强化学习·

第五节：实现自己的第一个environment

本专栏是强化学习运用在买卖股票之上的入门学习内容。主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。
windanchaos·2023-08-24 03:44

第三节：强化学习中的套路

本专栏是强化学习运用在买卖股票之上的入门学习内容。主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。
windanchaos·2023-08-24 03:44

第四节：action动作和observation观察值的值类型

本专栏是强化学习运用在买卖股票之上的入门学习内容。主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。
windanchaos·2023-08-24 03:44

前言：强化学习炒股专栏说明

本专栏是强化学习运用在买卖股票之上的入门学习内容。主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。
windanchaos·2023-08-24 03:12

强化学习--PPO（完结）

系列文章目录强化学习提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、强化学习是什么？
百度pkq·2023-08-23 17:54

Reinforcement Learning - Chapter 6

Temporal-DifferenceLearning6.5Q-learning:off-policyTDControlQ-learning是一种异策略（off-policy）的强化学习算法。
WangChen100·2023-08-23 07:23

百度工程师浅析强化学习

作者|Jane导读本文主要介绍了强化学习（ReinforcementLearning，RL）的基本概念以及什么是RL。强化学习让智能体通过与环境的交互来学习如何做出决策，以获得最大的累积奖励。
百度Geek说·2023-08-23 06:07

机器学习分类，损失函数中为什么要用Log，机器学习的应用

机器学习（MachineLearning）机器学习的分类监督学习无监督学习强化学习机器学习的应用应用举例：猫狗分类1.现实问题抽象为数学问题2.数据准备3.选择模型4.模型训练及评估5.预测结果推荐阅读损失函数中为什么要用
ZhangJiQun&MXP·2023-08-22 23:29

使用 DPO 微调 Llama 2

简介基于人类反馈的强化学习(ReinforcementLearningfromHumanFeedback，RLHF)事实上已成为GPT-4或Claude等LLM训练的最后一步，它可以确保语言模型的输出符合人类在闲聊或安全性等方面的期望
·2023-08-22 23:51

大数据、人工智能、机器学习、深度学习关系联系前言

1.大数据和人工智能关系2.机器学习、深度学习、人工智能关系3.监督学习、无监督学习、半监督学习、强化学习、迁移学习关系4.机器学习具体内容一、大数据和人工智能之间存在相促进并相互支持，推动了科技发展1
Studying 开龙wu·2023-08-22 09:44

机器学习:什么是分类/回归/聚类/降维/决策

目录学习模式分为三大类：监督，无监督，强化学习监督学习基本问题分类问题回归问题无监督学习基本问题聚类问题降维问题强化学习基本问题决策问题如何选择合适的算法我们将涵盖目前「五大」最常见机器学习任务：回归分类聚类降维决策学习模式分为三大类
ZhangJiQun&MXP·2023-08-22 06:57

GPT大语言模型引爆强化学习与语言生成模型的热潮、带你了解RLHF。

GPT大语言模型引爆强化学习与语言生成模型的热潮、带你了解RLHF。
·2023-08-21 22:13

『吴秋霖赠书活动 ｜ 第一期』《强化学习：原理与Python实战》

声明：赠书活动是博主与出版社达成合作，只属于粉丝的专属福利本期书籍：《强化学习：原理与Python实战》参与方式：关注博主在其评论区：点赞｜收藏｜留言评
吴秋霖·2023-08-21 16:51

零基础系统学设计之《软件技能》

软件作为设计工作者最为简单和具象的技能，只需要找一套体系化的视频教程，通过短期的强化学习便可以掌握，同时需要不断练习、运用才能不容易忘掉。
hyys1920·2023-08-21 10:10

【AI大模型】训练Al大模型

大模型具有更多的参数、更强的表达能力和更高的预测性能，对自然语言处理、计算机视觉和强化学习等任务产生了深远的影响。本文将探讨大模型的概念、训练技术和应用领
洁洁！·2023-08-21 02:22

机器学习入门的概念

比如人工智能，机器学习，深度学习，神机网络，强化学习，各种算法等等。首先了解这些知识点所在的层级，以便进一步的深入学习。
Yonas-Luo·2023-08-20 15:20

强化学习笔记：policy learning

1policynetworkVSvalue-basednetwork2policynetwork的目标函数记回报Ut是从t从时刻开始的所有奖励之和。Ut依赖于t时刻开始的所有状态和动作：动作价值函数把t时刻状态st和动作at看做已知观测值，把t+1时刻后的状态和动作看做未知变量，求期望：状态价值函数把t时刻状态st看做已知观测值，t时刻的action是服从策略的随机变量，对其求期望于是policy
UQI-LIUWJ·2023-08-20 08:45

2018-05-07

1给自己订的目标：明年升p7所以：绩效：3.751精通builerexcutor精通开发算法2从现有痛点出发，找一个强化学习突破口精通强化学习
逆向成长·2023-08-19 15:02

大语言模型-RLHF(五)-PPO（Proximal Policy Optimization）原理&实现&代码逐行注释-论文导读

上一章介绍了论文的核心点，那我们对照原文，看看大神们是怎么写的摘要首先对比强化学习几种不同的方法，deepQ-learning、policygradientmethods和naturalpolicygradientmethods
Pillars-Creation·2023-08-19 08:03

大语言模型-RLHF(四)-PPO（Proximal Policy Optimization）原理&实现&代码逐行注释

我们跟随大神的步伐，来学习一下这三个步骤和代码实现，本章介绍PPO原理要搞明白PPO首先需要搞明白下面几个概念一，策略梯度（PolicyGradient）策略梯度（PolicyGradient）是一种用于强化学习中的策略优化方法
Pillars-Creation·2023-08-19 08:33

InstructGPT学习

InstructGPT在GPT-3上用强化学习做微调，内核模型为PPO-ptx，下面的论文会详细分析。ChatGPT沿用了InstructGPT，但是数据大了好几个量级。ELMO用Bi-
银晗·2023-08-19 08:02

人类反馈强化学习RLHF；微软应用商店推出AI摘要功能

AI新闻微软应用商店推出AI摘要功能，快速总结用户对App的评价摘要：微软应用商店正式推出了AI摘要功能，该功能能够将数千条在线评论总结成一段精练的文字，为用户选择和下载新应用和游戏提供参考。该功能目前只适用于美国Windows11用户，并有望向更多国家和地区用户推送。微软计划引入AI生成的关键词和多类别选择的能力，来提高开发者应用在微软商店搜索结果中的可发现性。此举将为用户提供更好的使用体验，对
go2coding·2023-08-19 06:51

搞懂大模型的智能基因，RLHF系统设计关键问答（文末送书）

RLHF（ReinforcementLearningwithHumanFeedback，人类反馈强化学习）虽是热门概念，并非包治百病的万用仙丹。
艾派森·2023-08-19 03:01

ChatGPT背后的技术：人类反馈强化学习RLHF

文章目录前言ChatGPT是如何基于RLHF进行训练的RLHF技术分解预训练语言模型训练奖励模型强化学习微调预训练模型局限性参考前言随着OpenAI推出的ChatGPT火热出圈，ChatGPT背后的技术原理之一
马鹤宁·2023-08-19 00:34

浅谈: 强化学习从人类反馈（RLHF）[AI生成]

强化学习（RL）强化学习（RL）是一种机器学习的方法，它让智能体（agent）通过与环境交互，从自己的行为中学习最优的策略。
Anhen_·2023-08-19 00:33

模型训练核心：ChatGPT 中的 RLHF 人工反馈强化学习模式

目录ChatGPT的强化学习原理Step0：预训练一个大规模语言模型Step1：训练监督模型SFT
SYBH.·2023-08-19 00:02

【山河送书第七期】:《强化学习：原理与Python实战》揭秘大模型核心技术RLHF！

《强化学习：原理与Python实战》揭秘大模型核心技术RLHF！一·图书简介二·RLHF是什么？三·RLHF适用于哪些任务？四·RLHF和其他构造奖励模型的方法相比有何优劣？
以山河作礼。·2023-08-19 00:30

中英双语对话大语言模型：ChatGLM-6B

经过约1T标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术
A雄·2023-08-18 15:44

百度工程师浅析强化学习

作者|Jane导读本文主要介绍了强化学习（ReinforcementLearning，RL）的基本概念以及什么是RL。强化学习让智能体通过与环境的交互来学习如何做出决策，以获得最大的累积奖励。
·2023-08-18 10:39

强化学习A3C算法

强化学习A3C算法效果：a3c.pyimportmatplotlibfrommatplotlibimportpyplotaspltmatplotlib.rcParams['font.size']=18matplotlib.rcParams
码狂☆·2023-08-18 05:06

强化学习 PPO算法和代码

PPO效果前提τ~p(τ)是轨迹分布t∈[0,T-1]是一条轨迹的步骤数策略π是动作a的概率分布State-ActionValueFunction简称V(st)函数Vπ(st)=Eτ∼p(τ)[R(τt:T)∣τst=st]V^{\pi}(s_{t})=E_{\tau\simp(\tau)}[R(\tau_{t:T})|\tau_{s_{t}}=s_{t}]Vπ(st)=Eτ∼p(τ)[R(τt:
码狂☆·2023-08-18 05:05

强化学习DQN算法和代码

梯度在训练时，目标网络’(+1,)和预测网络(,)来自同一网络，但是’(+1,)网络的更新频率会滞后(,)grad=▽Q=▽θ(r(st,at)+γmaxat+1Qθˉ∗(st+1,at+1)−Qθ∗(st,at))grad=\bigtriangledownQ=\bigtriangledown_{\theta}(r(s_{t},a_{t})+\gamma\underset{a_{t+1}}{max
码狂☆·2023-08-18 05:05

强化学习：用Python训练一个简单的机器人

一、介绍强化学习（RL）是一个令人兴奋的研究领域，它使机器能够通过与环境的交互来学习。在这篇博客中，我们将深入到RL的世界，并探索如何使用Python训练一个简单的机器人。
无水先生·2023-08-17 22:17

「量化」快乐：UC Berkeley 利用 AI 追踪多巴胺释放量及释放脑区

关键词：机器学习强化学习多巴胺作者｜雪
·2023-08-17 18:34

强化学习从基础到进阶-常见问题和面试必知必答[4]：：深度Q网络-DQN、double DQN、rainbow

强化学习从基础到进阶-常见问题和面试必知必答[4]：：深度Q网络-DQN、doubleDQN、经验回放、rainbow、分布式DQN1.核心词汇深度Q网络（deepQ-network，DQN）：基于深度学习的
·2023-08-17 11:12

【伤寒强化学习训练】打卡第十九天 一期90天

厥阴篇总结第一部分什么是厥阴病一、厥阴提纲：厥阴之为病，消渴，气上撞心，心中疼热，饥而不欲食，食则吐蚘，下之利不止。这是厥阴提纲，也是乌梅丸主症。二、厥阴脉象——脉弦而沉，垮，像绳索被剪断。有时是沉而无力，沉，塌，细细的，里症治好了脉会浮起来一点，如果脉一直沉着起不来，那就是变成厥阴体质了。三、厥阴病的特色：从情志上判断——厥阴病人阴阳分裂的性格，神经病好辩多言易怒，喜欢顶嘴，碎碎念，容易被激怒；
A卐炏澬焚·2023-08-17 08:50

【《伤寒论》强化学习训练】打卡第27天，一期目标90天

桂枝汤证的病机与治则桂枝汤方剂，首先，脉浮缓，恶风寒，出汗。病机就是有风气伤到了我们的卫气。治疗的原则要把一些东西送到我们的卫气的范围，而且还要把我们卫气里面的风邪打出去，桂枝汤其实就是一个方法，借由我们的脾胃消化把这个药性呢运送到我们的血管里面，再从我们的营分，分化到我们的卫分，然后把风邪推出去。能够从营这个角度去把卫气弄干净了，其实跟它相邻气的其他部位，比如说你的肺，比如说你的太阳经，也都会好
最闪亮的那颗星_b02d·2023-08-16 19:35

33 个神经网络「炼丹」技巧

在读博期间，两次在谷歌实习，研究在Youtube视频上的大规模特征学习，2015年在DeepMind实习，研究深度强化学习。
c5ba4c64fe5e·2023-08-16 13:57

DQN玩Atari游戏安装atari环境bug指南

DQN玩Atari游戏安装atari环境bug指南好程序不脱发2021-05-2910:52:42720已收藏4分类专栏：强化学习深度学习文章标签：强化学习版权强化学习同时被2个专栏收录8篇文章0订阅订阅专栏深度学习
宇zzZ·2023-08-16 11:58

《Learning Combinatorial Optimization Algorithms over Graphs》阅读笔记

一.文章概述本文提出将强化学习和图嵌入的组合以端到端地自动为图上组合优化问题设计贪心启发式算法，以避免设计传统算法所需要的大量专业知识和试错。
斯曦巍峨·2023-08-16 11:09

人工智能LLM模型：奖励模型的训练、PPO 强化学习的训练、RLHF

人工智能LLM模型：奖励模型的训练、PPO强化学习的训练、RLHF1.奖励模型的训练1.1大语言模型中奖励模型的概念在大语言模型完成SFT监督微调后，下一阶段是构建一个奖励模型来对问答对作出得分评价。
·2023-08-16 10:07

自然策略优化的解释 Natural Policy Optimization

它是基于概率策略的强化学习算法，旨在通过迭代地更新策略参数来最大化累积回报。传统的策略梯度算法通常使用梯度上升法来更新策略参数，但这种方法可能受到梯度估计的方差问题以及参数更新的不稳定性等挑战。
时间里的河·2023-08-16 06:56

组会汇报(本科)-在复杂楼层背景下，一种基于深度强化学习的目的楼层预约调度算法的多智能体电梯群控系统的研究

项目代码地址总体流程引入概念，说明问题，讲解论文，提出方案对综述的引用说明，在老师给的综述中，文献调研时间是2019，从技术的发展历程角度考虑，本文只作部分引用，更多地倚靠2020左右地文章，因为2020是深度强化学习的爆发点
丰。。·2023-08-16 04:06

协同多智能体学习的价值分解网络的原理与代码复现

概念引入强化学习马尔可夫决策过程算法思想VDN可以说是QMIX算法的前身主要思想是把总的Q分解为多个Q之和，Q即对应智能体的动作价值即:视多为一但是也有副作用，那就是，累计出来的Q并不是针对具体情况，具体条件的
丰。。·2023-08-16 04:36

动态规划-强化学习学习笔记(三)

概念引入强化学习的通俗理解马尔可夫决策过程简介动态规划（DynamicProgramming，DP）是运筹学的一个分支，是求解决策过程最优化的过程。
丰。。·2023-08-16 04:05

人工智能（一）基本概念

标签、特征、样本、模型监督学习、无监督学习、半监督学习、弱监督学习、自监督学习强化学习、对抗学习、对比学习回归和分类聚类模式识别和机器学习的区别神经网络什么是神经网络？
魔法自动机·2023-08-16 01:39

工具 | Chat2Doc：与PDF和Doc对话！

以论文**Attentionisallyouneed[1],基于奖励滤波信用分配的多智能体深度强化学习算法[2]，以及一份初中数学试卷[3
肥肉不会跑·2023-08-15 22:32

RL 实践（7）—— CartPole【TPRO & PPO】

由于PPO是源自TPRO的，因此也会在原理部分介绍TPRO参考：张伟楠《动手学强化学习》、王树森《深度强化学习》完整代码下载：8_[Gym]CartPole-V0(PPO)文章目录1.TPRO（置信域策略优化
云端FFF·2023-08-15 17:22

强化学习-DDQN和Duelling Network实践(倒立摆CartPole代码解读)

一、说明在这个项目中，即便你对强化学习一无所知，学习这个视频(DDQN+DuellingNetwork+优先经验回放-强化学习CartPole代码解读_哔哩哔哩_bilibili)，你也能完成简单的强化学习项目
机智翔学长·2023-08-15 15:22

【RLHF】想训练ChatGPT？得先弄明白Reward Model怎么训（附源码）

在上一篇文章中，我们已经讲解了如何将强化学习（ReinforcementLearning）和语言模型（LanguageModel）做结合：https://blog.csdn.net/sinat_39620217
汀、人工智能·2023-08-15 08:35
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他