强化学习从入门到实践

深度强化学习调参技巧：以DQN、DDPG、TD3、PPO、SAC等算法为例

深度强化学习DeepReinforcementLearning简称为DRL运行DRL算法代码（实际使用+调整参数），需要更多DL基础阅读DRL算法论文（理解原理+改进算法），需要更多RL基础深度强化学习算法能训练能智能体
汀、人工智能·2023-07-14 15:18

多智能体强化学习（MARL）研究汇总：行为分析、通信学习、协作学习、智能体建模

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-07-14 15:48

深度强化学习：深度解析 MADDPG

深度强化学习：深度解析MADDPG学习强化学习，码代码的能力必须要出众，要快速入门强化学习搞清楚其中真正的原理，读源码是一个最简单的最直接的方式。最近创建了一系列该类型文章，希望对大家有多帮助。
汀、人工智能·2023-07-14 15:48

什么是从人类反馈中强化学习（RLHF）？

ChatGPT的惊人表现背后的主要原因之一是得益于其训练技术：从人类反馈中强化学习(RLHF)。虽然RLHF在大型语言模型方面已经展现了令人印象深刻的结果，但可以追溯到发布的首个GP
冲浪中台·2023-07-14 12:10

强化学习是否言过其实?

可以想象一下，你正准备和朋友一起下国际象棋，但他并不是人类，而是一个不了解游戏规则的计算机程序。但这个应用程序却明白自己致力实现一个目标，就是在游戏中获胜。因为计算机程序不知道规则，所以开始下棋的招数是随机的。其中有些招数完全没有意义，而对你来说获胜很容易。在这里假设你非常喜欢和这个朋友下国际象棋，以至于沉迷于这个游戏。但计算机程序最终会获胜，因为它会逐渐学会击败你的方法和招数。虽然假设的这个场景
冲浪中台·2023-07-14 12:10

ChatGPT训练流程

------语言建模InstructionFinetuning---------让模型能够理解自然语言指令RLHFRewardModeling奖励建模，用来代替人工打分，降低标注成本奖励模型是用来建模强化学习的一个组件
从流域到海域·2023-07-14 11:41

自定义并注册Gym环境

强化学习的智能体必须和环境交互才能或者reward和observation。对于有些任务，比如机器人的训练任务，在现实中就不能直接实施，需要先在仿真中确保算法没有问题，才能迁移到真实机器人上。
思考实践·2023-07-14 03:55

五个步骤成为高效的学习者

一、强化学习的价值感。“要我学”和“我要学”的区别，肯定是巨大的，一个是被动学习，一个是主动学习。
南方的南007·2023-07-14 02:54

任务型对话对话策略学习的强化学习方法

任务型对话(TOD)系统旨在帮助用户解决从天气咨询到计划安排的一系列问题。完成任务的途径有二。其一是端到端途径：直接将当前对话内容与系统的自然语言反映相关联。此种方法多是采用序列到序列的模型，然后进行监督训练。第二种是模组途径：将系统分为四个相互依存的的组成部分：自然语言理解(NLU)、对话状态追踪(DST)、对话策略学习(DPL)和自然语言生成(NLG)，如图1所示。两种方法都有各自的优劣。端到
sam5198·2023-07-13 21:05

小机器人在现实世界中学会快速驾驶

小机器人在现实世界中学会快速驾驶—强化学习加上预训练让机器人赛车手加速前进—Withoutalifetimeofexperiencetobuildonlikehumanshave(andtotallytakeforgranted
智能佳机器人·2023-07-13 21:03

Pytorch深度强化学习1-2：详解K摇臂赌博机模型和ϵ-贪心算法

目录0专栏介绍1K-摇臂赌博机2ϵ\epsilonϵ-贪心算法3softmax算法4Python实现与分析0专栏介绍本专栏重点介绍强化学习技术的数学原理，并且采用Pytorch框架对常见的强化学习算法、
Mr.Winter`·2023-07-13 17:57

复刻ChatGPT语言模型系列-（一）基座模型选取

基座模型选取复刻ChatGPT语言模型系列-（二）参数高效微调复刻ChatGPT语言模型系列-（三）指令学习微调复刻ChatGPT语言模型系列-（四）文本生成解码复刻ChatGPT语言模型系列-（五）强化学习
JMXGODLZ·2023-07-13 15:50

Java多线程之锁的强化学习

目录Java8锁SynchronizedReentrantLockAQSvolatile自旋锁，自旋锁的其他种类CAS自旋锁CAS的实现原理首先强调一点：Java多线程的锁都是基于对象的，Java中的每一个对象都可以作为一个锁。同时，类锁也是对象锁，类是Class对象Java8锁核心思想关键字在实例方法上，锁为当前实例关键字在静态方法上，锁为当前Class对象关键字在代码块上，锁为括号里面的对象在
·2023-07-13 15:48

DPO 直接偏好优化：跳过复杂的对抗学习，语言模型本来就会奖励算法

大语言模型（LLM）在掀起“全民”热潮的同时，也将人类反馈强化学习（RLHF）和奖励模型（RewardModel）带进了大家的视线。
·2023-07-13 15:14

论文阅读笔记（一）：Weak Supervision for Fake News Detection via Reinforcement Learning

论文简介：这是一篇AAAI2019年收录的论文，由腾讯微信团队发表，本文主要介绍是用强化学习方法来进行垃圾新闻检测，强化学习可以获得高质量的带有标签的样本，本文提出了一个检测框架，通过微信官方账户实验数据表明
·2023-06-24 10:38

David Silver强化学习公开课（五）：不基于模型的控制

本讲是基础理论部分的最后一讲，本讲以后的内容都是关于实际应用强化学习解决大规模问题的理论和技巧。
xl.zhang·2023-06-24 09:24

人工智能（2）：机器学习算法分类

根据数据集组成不同，可以把机器学习算法分为：监督学习无监督学习半监督学习强化学习1监督学习定义：输入数据是由输入特征值和目标值所组成。
不死鸟.亚历山大.狼崽子·2023-06-24 07:54

Shell编程从入门到实践——实践篇

欢迎关注「Android茶话会」回「学习之路」取Android技术路线经典电子书回「pdf」取阿里&字节经典面试题、Android、算法、Java等系列武功秘籍。回「天涯」取天涯论坛200+精彩博文,包括小说、玄学等背景之前在搞一些CI/CD,使用到了shell脚本，shell的开箱即用确实比较方便，至少无需在宿主上安装运行环境，本篇文章主要解释shell脚本实践过程中一些经验总结。实践篇模块化刚
Android茶话会·2023-06-24 03:47

超强指南！推荐算法架构——重排

】2022年8月份热门报告2、【实践】小红书推荐中台实践3、微信视频号实时推荐技术架构分享4、对比学习在宽狩推荐系统中的应用实践5、微博推荐算法实践与机器学习平台演进6、腾讯PCG推荐系统应用实践7、强化学习算法在京东广告序列推荐场景的应用
智能推荐系统·2023-06-23 23:38

强化学习从基础到进阶-案例与实践[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-06-23 21:00

强化学习从基础到进阶-常见问题和面试必知必答[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-06-23 21:30

强化学习：随机近似与随机梯度下降

meanestimation  通过前面的学习，我们知道可以通过很多采样来求期望。而求xˉ\barxxˉ的方法由两种，一是直接将采样数据相加再除以个数，但这样的方法运行效率较低。第二种方法是迭代式的计算，即来几个数据就算几个数据，具体计算如下：随机近似法：Robbins-Monro(RM)  假设我们现在需要求解方程：g(w)=0g(w)=0g(w)=0那么就有两种情况，一种是函数表达式我们知道，
~hello world~·2023-06-23 21:58

强化学习：时序差分算法 TD-learning

例子引入  首先，我们考虑简单的平均估计计算：w=E[X]w=E[X]w=E[X]，根据RM算法计算过程如下：  接着上面的例子，我们现在考虑一个较为复杂的问题，估计函数v(X)v(X)v(X)的平均值，根据RM算法计算过程如下：  接着上面的例子，我们现在考虑一个更复杂的问题，有两个随机变量，根据RM算法计算过程如下：TD算法介绍  TD-Learning通常指的是广泛的一类RL算法，但此处的T
~hello world~·2023-06-23 21:57

强化学习从基础到进阶-常见问题和面试必知必答[2]：马尔科夫决策、贝尔曼方程、动态规划、策略价值迭代

强化学习从基础到进阶-常见问题和面试必知必答[2]：马尔科夫决策、贝尔曼方程、动态规划、策略价值迭代1.马尔科夫决策核心词汇马尔可夫性质（Markovproperty，MP）：如果某一个过程未来的状态与过去的状态无关
·2023-06-23 15:53

MindSpore：强化学习基础-蒙特卡洛(Monte Carlo)

在接触强化学习过程中，大家可能在很多场合听说蒙特卡洛这个词，例如MonteCarloTreeSearch，MonteCarloCFR。
·2023-06-23 15:52

强化学习从基础到进阶-常见问题和面试必知必答[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等

强化学习从基础到进阶-常见问题和面试必知必答[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战1.核心词汇概率函数和奖励函数：概率函数定量地表达状态转移的概率
·2023-06-23 15:51

第一篇：强化学习基本原理通俗介绍

简单来说，你走对了，我奖励你；走到障碍物那里，我惩罚你；找到出口我大大的奖励你，这就是一个简单明了的奖励机制。
xwz小王子·2023-06-23 15:06

第二篇：强化学习中的7个基础概念

这是强化学习第二篇：强化学习7个基础概念在强化学习中，智能体需要在不断尝试和错误的过程中学习，通过观察环境的反馈（奖励或惩罚）来调整自己的行为，从而逐步改进策略。
xwz小王子·2023-06-23 15:06

Shell编程从入门到实践——入门篇

欢迎关注「Android茶话会」回「学习之路」取Android技术路线经典电子书回「pdf」取阿里&字节经典面试题、Android、算法、Java等系列武功秘籍。回「天涯」取天涯论坛200+精彩博文,包括小说、玄学等Shell是一种命令行解释器，它是在Unix和Linux操作系统中广泛使用的一种工具，也是我们日常开发工作中的好帮手，相较于Python，Shell语法简单非常好上手而且开箱即用无需纠
Android茶话会·2023-06-23 10:05

智能汽车芯片大战，拼什么

MLCommons是一家成立于2018年5月的行业基准测试组织，测试基于当今最常用的AI工作负载和场景，涵盖计算机视觉、医学影像、自然语言处理、推荐系统、强化学习等。
高工智能汽车·2023-06-23 09:56

强化学习复现笔记(3)Robbins-Monro算法证明

摘要：都没证完，感觉都有问题。  有个不知道具体表达式（也就是黑箱）的单调递增函数M(x)M(x)M(x)满足00,∑n=1∞an=∞,∑n=1∞an20,\sum_{n=1}^\inftya_n=\infty,\sum_{n=1}^\inftya_n^20,n=1∑∞an=∞,n=1∑∞an2−∞b_n>-\inftybn>−∞。第三项中利用条件概率性质E[xg(y)∣y]=g(y)E[x∣y]
找不到服务器zhn·2023-06-23 05:28

MEC相关论文笔记

论文名称：基于深度强化学习的车辆边缘计算调度DeepReinforcementLearning-BasedOffloadingSchedulingforVehicularEdgeComputing前言VEC
照旧的你好·2023-06-23 03:52

强化学习中的重要收敛性结论(2)：常见RL算法的收敛性

强化学习的理论基础是MDP（MarkovDecesionProcess），当MDP中的策略π\piπ确定之后，MDP便是最一般的MarkovProcess的形式。
赛亚茂·2023-06-23 02:36

强化学习中的重要收敛性结论(1):常用定理

了解强化学习中一些重要收敛性结论的证明过程，对设计好的强化学习算法以及了解一些强化学习中一些基本结论的由来是大有裨益的。
赛亚茂·2023-06-23 02:06

致命友们的家信

这个词非常的陌生，却又那么的亲切，20年的2月22日机缘之下进入了恒洋老师的直播课，主题：“如何成为富人”，短短的一个半小时刷新了我的世界观，所输出的理念正是这个时代的红利趋势，提倡我们学会不断的自我探索、强化学习
清风_Eva·2023-06-23 01:48

ChatGPT 精简总结：Chat Generative Pre-trained Transformer

在训练时，InstructGPT使用了带有指令或约束条件的数据来训练模型（指令微调SFT，奖励模型RM，强化学习PPO）。
#苦行僧·2023-06-22 20:55

强化学习：AI领域的下一步里程碑

在AI的众多技术领域中，强化学习（ReinforcementLearning）作为一种类似于人类学习的方式，在解决复杂问题方面取得了令人瞩目的成果。
小正太浩二·2023-06-22 19:45

吴恩达ChatGPT《Prompt Engineering》笔记

LargeLanguageModel，大语言模型InstructionTunedLLM：经过指令微调的大语言模型Prompt：提示词RLHF：ReinforcementLearningfromHumanFeedback，人类反馈强化学习
datamonday·2023-06-22 16:51

ChatGPT的前世今生

该程序使用基于GPT-3.5、GPT-4架构的大语言模型并以强化学习训练。
莫尔索随笔·2023-06-22 14:26

Life——一个简洁易用的强化学习库，基于pytorch

简介Life是一个基于pytorch实现的强化学习库，实现了多种强化学习算法。
神采的二舅·2023-06-22 11:44

【强化学习】——Q-learning算法为例入门Pytorch强化学习

如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1、强化学习是什么1.1定义1.2基本组成1.3马尔可夫决策过程2、强化学习的应用3、常见的强化学习算法3.1Q-learn
Lingxw_w·2023-06-22 11:40

深度学习一点通：chatGPT 用到的RLHF流程，和 fine tuning有何区别？

利用来自人类反馈的强化学习（RLHF）已被证明是一种有效的方法，可以使基础模型与人类偏好相一致。
robot_learner·2023-06-22 07:39

移动机器人路径优化：基于Q-learning算法的移动机器人路径优化（提供MATLAB代码）

一、Q-learning算法Q-learning算法是强化学习算法中的一种，该算法主要包含：Agent、状态、动作、环境、回报和惩罚。
IT猿手·2023-06-22 07:48

具身智能与强化学习前沿进展 | 2023智源大会精彩回顾

在2023北京智源大会“具身智能与强化学习”论坛中，我们邀请了领域内顶尖学者，包括北京大学助理教授王鹤、美国UCSD的助理教授苏昊、北京大学的助理教授卢宗青、清华大学的副教授眭亚楠和中科院计算所的研究员蒋树
智源社区·2023-06-22 04:39

每日学术速递6.8

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.BundleSDF:Neural6-DoFTrackingand3DReconstructionofUnknownObjects
AiCharm·2023-06-22 03:12

走进人工智能|机器学习 解码未来的科技革命

机器学习算法主要分为监督学习、无监督学习和强化学习三种类型。监督学习是
万物皆可der·2023-06-22 02:31

ARFace:基于强化学习的注意感知和正则化人脸识别

ARFace:基于强化学习的注意感知和正则化人脸识别摘要不同的人脸区域对识别的贡献不同。特别是在野外环境中，由于受到大量干扰，贡献度的差异会进一步放大。
柠檬A123·2023-06-22 01:38

强化学习实践（一）基于MDP策略迭代计算Frozenlake问题

1、策略迭代代码#usePolicyIterationtosolveFrozenlakeproblemimportnumpyasnpimportgym#RunsanepisodeandreturnthetotalrewarddefRun_episode(env,policy,gamma=1.0,render=False):obs=env.reset()total_reward=0step_idx=
Mariooooooooooo·2023-06-21 23:16

强化学习实践（二）基于MDP价值迭代的解FrozenLake问题

1、基于MDP价值迭代的解FrozenLake问题importnumpyasnpimportgymdefrun_episode(env,policy,gamma=1.0,render=False):"""Evaluatespolicybyusingittorunanepisodeandfindingitstotalreward.args:env:gymenvironment.policy:thep
Mariooooooooooo·2023-06-21 23:16

每日学术速递6.5

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.Humansin4D:ReconstructingandTrackingHumanswithTransformers
AiCharm·2023-06-21 23:43
上一页 36 37 38 39 40 41 42 43 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他