强化学习基础理论

文案生成贴心小助手

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的加持，62亿参数的ChatGLM-6B已经能生成相当符合人类偏好的回答。✨
会唱歌的炼丹师·2024-01-28 17:59

华为比赛-慧科第一届人工智能应用创新大赛的入门培训的相关学习

前言之前强化学习的课程老师鼓励参加华为云的比赛，慧科杯第一届人工智能应用创新大赛（又想去白嫖GPU的资源）首先大概说一下这个比赛，基于华为ModelArts平台，和之前学习的百度的AIstudio来说，
renyujie518·2024-01-28 13:22

使用强化学习进行神经网络结构搜索的代码以及修改

目录代码一（UsingTensorFlow）：代码二（UsingTensorFlow）：代码三（UsingPyTorch）：参考：本人在网上找了三个相关的代码，但是都有问题，这里记录一下修改哪些地方之后可以跑通。代码一（UsingTensorFlow）：代码地址：https://github.com/wallarm/nascell-automl这个代码有详细的说明：TheFirstStep-by-
ThreeS_tones·2024-01-28 13:43

强化学习（四）动态规划——1

但其在强化学习中实用性有限，其一是它是基于环境模型已知；其二是它的计算成本很大。但它在理论伤仍然很重要，其他的一些算法与动态规划算法（DP）十分相似，只是计算量小及没有假设环境模型已知。
EasonZzzzzzz·2024-01-28 11:44

【机器学习】强化学习（八）-深度确定性策略梯度（DDPG）算法及LunarLanderContinuous-v2环境训练示例...

训练效果DDPG算法是一种基于演员-评论家（Actor-Critic）框架的深度强化学习（DeepReinforcementLearning）算法，它可以处理连续动作空间的问题。
十年一梦实验室·2024-01-28 09:53

击败 8 名人类规划师：清华团队提出强化学习的城市空间规划模型

作者：彬彬编辑：李宝珠，三羊‍清华大学研究团队提出了强化学习的城市社区空间规划模型与方法，并实现了人类规划师与人工智能算法协作的城市规划流程，为智能城市的自动化规划提供了全新思路。
数据派THU·2024-01-28 08:21

强化学习基础篇（五）动态规划之策略迭代（1）

强化学习基础篇（五）动态规划之策略迭代（1）1、如何改善策略（Howtoimproveapolicy）上节中我们讨论了如何使用贝尔曼期望方程进行策略估计,并没有对策略进行改进，而如果我们要解决控制问题，
Jabes·2024-01-28 06:06

STM32完全学习手册

学习基础理论知识：学习嵌入式系统和微控制器（ARM)的基础知识，包括处理器架构、外设、时钟和中断等。2.准备开发工具开发板：购买一块适合入门学习的STM32开发板。
石头嵌入式·2024-01-28 06:32

学习AIGC大模型必知的强化学习RL的核心代码示例，速进！！！

我们的大模型商业化落地产品更多AI资讯请关注Free三天集训营助教在线为您火热答疑‍在人工智能的发展历程中，强化学习（RL）已成为推动技术突破的关键动力，尤其在自动化内容生成（AIGC）和大型语言模型（
OJAC近屿智能·2024-01-28 06:15

强化学习原理python篇03——贝尔曼最优公式

强化学习原理python篇03——贝尔曼最优公式）例子求解状态值求解行动值贝尔曼最优公式（Bellmanoptimalityequation）定义求解Contractionmappingtheorem步骤例子
WuRobb·2024-01-28 06:12

强化学习原理python篇04——迭代法

强化学习原理python篇04——迭代法Valueiteration数学原理算法步骤实例及python实现policyiteration数学原理算法步骤实例及python实现TruncatedpolicyiterationRef
WuRobb·2024-01-28 06:12

强化学习原理python篇05——蒙特卡罗方法

强化学习原理python篇05——MonteCarloMethods蒙特卡罗方法Ref本章全篇参考赵世钰老师的教材Mathmatical-Foundation-of-Reinforcement-LearningMonteCarloMethods
WuRobb·2024-01-28 06:12

强化学习原理python篇02——贝尔曼公式推导和求解

强化学习原理python篇02——贝尔曼公式概念bootstrapping（自举法）statevalue贝尔曼公式（BellmanEquation）贝尔曼公式以及python实现解法1——解析解解法2—
WuRobb·2024-01-28 06:42

强化学习原理python篇06——DQN

强化学习原理python篇05——DQNDQN算法定义DQN网络初始化环境开始训练可视化结果本章全篇参考赵世钰老师的教材Mathmatical-Foundation-of-Reinforcement-LearningDeepQ-learning
WuRobb·2024-01-28 06:08

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--大模型、扩散模型、视觉语言导航

分类:大语言模型LLM视觉模型VLM扩散模型视觉语言导航VLN具身智能，机器人强化学习开放词汇，检测分割[晓理紫]每日论文分享(有中文摘要，源码或项目地址)==LLM==标题:SpeechTokenizer
晓理紫·2024-01-28 05:10

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--强化学习、模仿学习、机器人、开放词汇

分类:大语言模型LLM视觉模型VLM扩散模型视觉语言导航VLN强化学习RL模仿学习IL机器人开放词汇，检测分割==RL==标题:BeyondTaskPerformance:EvaluatingandReducingtheFlawsofLargeM
晓理紫·2024-01-28 05:38

空间轴对称应力分析

本文继应力应变基础理论分析之后，探讨关于轴对称问题的理论分析。在求解轴对称问题时，通常都采用圆柱坐标r、θ\thetaθ、z。
寒冰彻骨·2024-01-28 04:46

强化学习入门（更新中......）

废话不多说，此篇文章用于记录强化学习的入门学习过程。环境一：taxi-v3环境描述：出租车载客环境的地图尺寸为5*5，有4个目的地以及5个乘客可能出现的位置。
小雅不采薇·2024-01-28 02:27

使用webots进行强化学习

之前学习强化学习使用的环境是gym,但这毕竟不是长久之计，最后是需要使用机器人仿真的环境进行仿真，这里选择了webots。首先是建立模型。之前使用gym进行过通过控制车体运动来保持杆不倒的训练。
时光@印迹·2024-01-28 02:26

Deepbots 1.0发布：强化学习于Webots

Deepbots是一个开源框架，使Webots中实现强化学习更加容易。Webots提供创建自己的世界和机器人的简易工具，而deepbots则作为将Webots与任何gym兼容的RL代理的接口。
KelvinYang0320·2024-01-28 02:55

深度强化学习在避障轨迹规划中的应用【matlab电气工程】

一、主要内容前基于深度强化学习的避障方法，通常是引入额外的奖励函数，例如当机械臂发生碰撞时给予一个惩罚。
坷拉博士·2024-01-28 02:55

Webots搭建强化学习二轮避障小车（看看吧 蛮详细的）

作为一个刚接触webots数日的新手，来着手使用webots搭建一个二轮小车并实现避障的任务,以及使用webots进行强化学习的尝试。
小雅不采薇·2024-01-28 02:54

《强化学习周刊》第65期：Neurips2022强化学习论文推荐（5）、MIT：机器狗当守门员、具身智能与机器人研讨会...

No.65智源社区强化学习组强化学习研究观点资源活动周刊订阅告诉大家一个好消息，《强化学习周刊》已经开启“订阅功能”，以后我们会向您自动推送最新版的《强化学习周刊》。
智源社区·2024-01-27 22:57

Chatgpt的崛起之路

Chatgpt的崛起之路背景与发展历程背景发展历程技术原理第一阶段：训练监督策略模型第二阶段：训练奖励模型第三阶段：采用强化学习来增强模型的能力。
Sirius·Black·2024-01-27 21:00

我的时间都去哪儿了？

自从退休以后，我都忙得不行：忙着学习养生知识，学习中医基础理论，学习传统文化，最近又喜欢上了古琴，这得需要时间练才行啊，所以我的时间就更不够用了！
常清净·2024-01-27 21:24

蒙特卡洛树搜索MCTS

其实在强化学习入门阶段就听说过蒙特卡洛搜索，比如多臂赌博机其实就是一个单一状态蒙特卡洛规划。
酸酸甜甜我最爱·2024-01-27 21:41

【MAC】Multi-Level Monte Carlo Actor-Critic阅读笔记

基本思想：利用多层次蒙特卡洛方法（Multi-LevelMonteCarlo，MLMC）和Actor-Critic算法，解决平均奖励强化学习中的快速混合问题。快速混合？
酸酸甜甜我最爱·2024-01-27 21:41

音频特效制作精品课程（分享学习笔记，我花高价购买地，特专业！看了记得给我打赏哦！）

基础理论知识认证（人力资源）一、行业快乐涉及学科乐音艺术音乐发展，立体声，多声道，制作人，作曲家，职业收入，声音采样，现状，呈现形式，跨，融，3D，感官刺激，视觉。
光冬霞·2024-01-27 21:11

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--大模型、扩散模型、视觉导航

分类:大语言模型LLM视觉模型VLM扩散模型视觉导航具身智能，机器人强化学习开放词汇，检测分割[晓理紫]每日论文分享(有中文摘要，源码或项目地址)==LLM==标题:VisualWebArena:EvaluatingMultimodalAgentso
晓理紫·2024-01-27 19:07

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--机器人、强化学习

分类:大语言模型LLM视觉模型VLM扩散模型视觉导航具身智能，机器人强化学习开放词汇，检测分割[晓理紫]每日论文分享(有中文摘要，源码或项目地址)==humanrobotinteraction==标题:
晓理紫·2024-01-27 19:07

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--大模型、扩散模型、视觉导航

分类:大语言模型LLM视觉模型VLM扩散模型视觉导航具身智能，机器人强化学习开放词汇，检测分割==LLM==标题:SpeechGPT-Gen:ScalingChain-of-InformationSpeechGeneration
晓理紫·2024-01-27 19:07

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--机器人、强化学习

{晓理紫|小李子}，每日更新论文，如感兴趣，请转发给有需要的同学，谢谢支持如果你感觉对你有帮助可以扫吗关注，每日准时为你推送最新论文分类:大语言模型LLM视觉模型VLM扩散模型视觉导航具身智能，机器人强化学习开放词汇
晓理紫·2024-01-27 19:37

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--机器人相关、强化学习

专属领域论文订阅VX扫吗关注{晓理紫|小李子}，每日更新论文，如感兴趣，请转发给有需要的同学，谢谢支持分类:大语言模型LLM视觉模型VLM扩散模型视觉导航具身智能，机器人强化学习开放词汇，检测分割[晓理紫
晓理紫·2024-01-27 19:36

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--机器人、强化学习、开放词汇

专属领域论文订阅VX扫吗关注{晓理紫|小李子}，每日更新论文，如感兴趣，请转发给有需要的同学，谢谢支持.非常感谢提供建议分类:大语言模型LLM视觉模型VLM扩散模型视觉导航具身智能，机器人强化学习开放词汇
晓理紫·2024-01-27 19:36

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)-机器人、强化学习

分类:具身智能，机器人强化学习开放词汇，检测分割==roboticagent==标题:Learningtonavigateefficientlyandpreciselyinrealenvironments
晓理紫·2024-01-27 19:31

深度学习学习笔记-论文研读4-基于深度强化学习的多用户边缘计算任务卸载调度与资源分配算法

本人学识浅薄，如有理解不到位的地方还请大佬们指出，相互学习，共同进步概念引入强化学习DQN算法边缘计算边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务
丰。。·2024-01-27 17:17

一对一包教会脑电教学服务

想强化学习脑电某个内容版块可以吗？...”，也有小伙伴联系我们，咨询脑电相关内容能
茗创科技·2024-01-27 16:03

代码随想录算法训练营第31天（贪心算法01 | ● 455.分发饼干 ● 376. 摆动序列 ● 53. 最大子序和

理论基础理论基础455.分发饼干题目链接：
芋泥肉松脑袋·2024-01-27 13:03

用ChatGPT写申请文书写进常春藤联盟？

该程序使用基于GPT-3.5、GPT-4架构的大型语言模型并以强化学习训练。ChatGPT目前仍以文字
do1twe11·2024-01-27 10:33

D4RL的踩坑记录

的库函数时用了env.get_normalized_score这里遇到的问题是envhasnoattributeget_normalized_score后记D4RL的用法指南D4RL本质上是一个数据库，用于离线的强化学习
SRTTTTT·2024-01-27 05:04

对小工蚁关于LLM的技术总结+个人思考

1.blog/trl-peft.mdatmain·huggingface/blog·GitHub2.基于强化学习的微调（这个挺好）微软发布的文本生成增强框架DTG,让LLM主动思考和生成能力提升[2305.1
河南-殷志强·2024-01-27 02:57

AI虚拟女友一个月能赚3万美金，引发关注和疑惑；最新 Hugging Face 强化学习课程（中文版）来啦

AI新闻AI虚拟女友一个月能赚3万美金，引发关注和疑惑摘要：一家英国的AI公司公布了他们的虚拟女友带来的实际产出数字：一个月能赚取3万美金（约合人民币21.4万元）。这引起了网友的惊叹和疑惑，因为AI女友只是微调一个图像算法，但却能每月赚取半年工资。据说除了赚钱，AI女友每月还收到多达20个求婚。这款AI女友被称为LexiLove，由FoxyAI公司创建，能够24小时全天候提供陪伴和聊天，甚至以超
go2coding·2024-01-27 02:43

如何用强化学习优化广告投放中的A/B Test

公众号后台回复“图书“，了解更多号主新书内容作者：会痛的stone来源：R语言工程化A/BTest是决策科学的最常见方法之一。以广告投放为例，将客户群分为两组或多组，每组群体展示不同的广告形式。在测试结束时，针对测试结果选择最优的形式做大量投放。然而A/Btest有个很大的弊端，即一定程度上影响了部分用户的体验。尤其在测试内容存在极好、极差的情况下。如果只有一个A/Btest，那么成本可能是可控的
IT农民工1·2024-01-26 21:54

XGBoost系列8——XGBoost的未来：从强化学习到AutoML

目录写在开头1.XGBoost在强化学习中的应用1.1构建强化学习问题1.2XGBoost与深度强化学习的对比1.3实际任务中的成功案例2.XGBoost与AutoML的结合2.1XGBoost在自动特征工程中的应用
theskylife·2024-01-26 21:21

2018-01-05

基础理论：BIM模型：用图形承载数据，实质为“数据库”功能。数据模型：通过对数据源的获取、清洗和多维度运算，智能化输出信息，支持智能建造、智慧城市的运行。
桥哥墨迹Danny·2024-01-26 15:00

麦肯锡教我的写作武器——高杉尚孝

书里主要分两大类，基础理论的分析和实践。逻辑表现力中，基本包含了信息，主题，分段三个类别。其中信息包含了记述型（描述现象），评价型（表达某现象的好坏），规范信息（状态和行动）。想要达到清楚
半生瓜_bee9·2024-01-26 14:22

代码随想录算法训练营第13天| 二叉树的深度优先遍历（递归遍历、迭代遍历、迭代的统一写法）

递归遍历二、迭代遍历三、迭代的统一写法这是Leetcode上三道题的链接：Leetcode144.二叉树的前序遍历Leetcode94.二叉树的中序遍历Leetcode145.二叉树的后序遍历如果对二叉树的基础理论知识不了解的可
Camellia__Wang·2024-01-26 13:12

深度学习与图像描述生成——看图说话（3）

目录一、整体架构二、学习策略2.1监督学习2.2无监督学习2.3强化学习三、特征映射3.1定义3.2原理3.3关键技术3.4重要案例3.5特别注意下特征空间这一概念四、语言模型4.1定义与原理4.2关键技术
giszz·2024-01-26 11:48

Hierarchical Object Detectionwith Deep Reinforcement Learning

摘要我们提出了一种方法，在深度强化学习agent引导的图像中执行层次对象检测。其关键思想是关注图像中包含更丰富信息的部分，并将其放大。
fayetdd·2024-01-26 09:16

ReinforceNet: A reinforcement learning embedded object detectionframework with region selection net

强化学习嵌入式目标检测框架与区域选择网络摘要摘要近年来，研究人员探索了基于强化学习的目标检测方法。然而，现有的方法总是难以令人满意的性能。
fayetdd·2024-01-26 09:45
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他