强化学习导论_Sutton

（9-2）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：准备环境+下载数据

9.4准备环境1.库FinRL本项目通过著名的库FinRL实现，这是是一个专注于金融领域的强化学习库，旨在为研究人员和开发者提供一个便捷的工具，用于开发、训练和评估金融交易策略。
码农三叔·2024-01-20 09:51

强化学习Agent系列（一）——PyGame游戏编程，Python 贪吃蛇制作实战教学

强化学习Agent系列（一）——PyGame游戏编程，Python贪吃蛇制作实战教学文章目录强化学习Agent系列（一）——PyGame游戏编程，Python贪吃蛇制作实战教学一、前言1、pygame介绍
风吹落叶花飘荡·2024-01-20 07:51

大数据导论（2）---大数据与云计算、物联网、人工智能

文章目录1.云计算1.1云计算概念1.2云计算的服务模式和类型1.3云计算的数据中心与应用2.物联网2.1物联网的概念和关键技术2.2物联网的应用和产业2.3大数据与云计算、物联网的关系1.云计算1.1云计算概念 1.首先从商业角度给云计算下一个定义：通过网络、以服务的方式为千家万户（包含政府、企业和个人用户）提供非常廉价的IT资源。 2.云计算是一种全新的技术，包含了虚拟化、分布式存储、分布式计
冒冒菜菜·2024-01-20 07:49

基于DQN和TensorFlow的LunarLander实现（全代码）

使用深度Q网络（DeepQ-Network,DQN）来训练一个在openai-gym的LunarLander-v2环境中的强化学习agent，让小火箭成功着陆。
全栈O-Jay·2024-01-20 06:58

简单了解【多智能体强化学习(MARL)】

下面介绍单智能体强化学习的进化，多智能体强化学习。含义多智能体系统中包含m个智能体，智能体共享环境，智能体之间会相互影响。一个智能体的动作会改变环境状态，从而影响其余所有智能体。
全栈O-Jay·2024-01-20 06:28

多智能体强化学习：多智能体系统

1.1多智能体系统VS并行强化学习并行强化学习m个节点并行计算，每个节点有独立的环境，每个环境中有一个智能体。智能体之间完全独立，不会相互影响。
UQI-LIUWJ·2024-01-20 06:22

[多智能体强化学习] 王树森YouTube课程笔记

前言近期在设计V2X资源分配任务下的状态空间和动作空间，可以说是一筹莫展，是自己菜，现在看来可能也是涉及到一些关于多智能体强化学习实现过程中过于细节的点，目前的知识储备还不够。
Love_marginal·2024-01-20 06:50

一文了解【完全合作关系】下的【多智能体强化学习】

处于完全合作关系的多智能体的利益一致，获得的奖励相同，有共同的目标。比如多个工业机器人协同装配汽车，他们的目标是相同的，都希望把汽车装好。在多智能体系统中，一个智能体未必能观测到全局状态S。设第i号智能体有一个局部观测，记作Oi，它是S的一部分。不妨假设所有的局部观测的总和构成全局状态：完全合作关系下的MARL：目录策略学习多智能体A2C策略网络和价值网络训练和决策实现中的难点三种架构完全中心化完
全栈O-Jay·2024-01-20 06:47

强化学习应用（六）：基于Q-learning算法的无人车配送路径规划（通过Python代码）

一、Q-learning算法介绍Q-learning是一种强化学习算法，用于解决基于环境的决策问题。它通过学习一个Q-table来指导智能体在不同状态下采取最优动作。
优化算法MATLAB与Python·2024-01-20 05:25

[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

专属领域论文订阅关注{晓理紫}，每日更新论文，如感兴趣，请转发给有需要的同学，谢谢支持关注留下邮箱可每日定时收到论文更新服务分类: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·2024-01-20 02:51

[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--具身智能、强化学习

专属领域论文订阅VX关注晓理紫，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]每日论文分享
晓理紫·2024-01-20 02:51

[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

专属领域论文订阅VX关注晓理紫，每日定时更新论文，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]每日论文分享
晓理紫·2024-01-20 02:21

【伤寒强化学习训练】打卡第三十三天 一期90天

2.1.1生机饮食与桂枝汤禁忌（一）·服用经方的饮食禁忌一面在吃一些药，一面每天还是不间断的吃水果，水果也浪费了，药物也浪费了张仲景书里比较补阳的药：附子、干姜、肉桂之类的，如果吃了药之后就吃水果，药还没有补进去就被水果清掉了；如果吃药之前吃水果，身体很寒的人吃补药就会一直上火，寒气会把补性挡出来民国初年的恽铁樵先生讲过：凡是吃了生冷的东西，身体都会非常积极的产热来抗衡那个东西的寒性，那在你身体积
A卐炏澬焚·2024-01-20 00:13

今天，你摸鱼了吗？

日复一日年复一年枯燥的日子常常都有而生活的乐趣却在慢慢减少面对变化快速的社会面对工作学习上的压力，焦躁种种负面的情绪交杂融合大脑充斥着繁冗的信息负担过重，最终积劳成疾近日，清华大学校内网课平台上出现了一门《摸鱼学导论
燃燚·2024-01-19 23:58

对比分析ChatGPT 和文心一言。

三个月后我开始使用这款AI产品，当时我向它咨询了之前困扰我六个月的深度强化学习科
安城安·2024-01-19 17:30

机器学习100天-Day8Tensorflow新手教程3（实现线性支持向量机（Linear SVM））

线性支持向量机关于支持向量机，建议看一下这个博文支持向量机通俗导论（理解SVM的三层境界）SVM的应用领域很广，分类、回归、密度估
我的昵称违规了·2024-01-19 16:22

【挑战全网最易懂】深度强化学习 --- 零基础指南

深度强化学习介绍、概念强化学习介绍离散场景，使用行为价值方法连续场景，使用概率分布方法实时反馈连续场景：使用概率分布+行为价值方法强化学习六要素设计奖励函数设计评论家策略学习与优化算法路径深度Q网络DQN
Debroon·2024-01-19 14:17

软件工程导论知识点总结

教材《软件工程导论（第6版）》张海藩牟永敏编著；清华大学出版社课程目标第一讲软件的定义软件不是程序，而是程序、数据以及开发、使用和维护程序需要的所有文档的完整集合。
咚咚锵995·2024-01-19 13:10

从 GPT1 - GPT4 拆解

GPT1-GPT4拆解从GPT1-GPT4GPT1：更适用于文本生成领域GPT2：扩展数据集、模型参数，实现一脑多用（多个任务）GPT3：元学习+大力出奇迹InstructGPT：指示和提示学习+人工反馈强化学习
Debroon·2024-01-19 12:28

使用 Q-learning 算法解决简单的开发环境中的智能体控制问题。

当涉及到完整的强化学习案例时，考虑到时间和复杂性，下面是一个简单的案例：使用Q-learning算法解决简单的开发环境中的智能体控制问题。
mqdlff_python·2024-01-19 08:48

windows11+GPU1060安装强化学习环境之pytorch

这里大家看一个视频系列，讲得非常详细，链接在此：https://www.bilibili.com/video/BV1S5411X7FY?p=28&vd_source=3be739b673e1151850f4b8060ac78e1a这里主要是说我遇到的问题以及解决办法。首先，我的笔记本是有显卡的，只不过算力为6，较低，但是已经差不多了，主要是想在windows上操作，嗯，还有就是在服务器上很慢，只是
昊温柔·2024-01-19 08:51

机器学习入门

机器学习：发展与未来人工智能>机器学习>深度学习>神经网络多种机器学习技术：深度学习，强化学习，蒙特卡洛树搜索。。。3.机器学习”有哪些技术局限？
zelda2333·2024-01-19 02:36

【学习之路】Multi Agent Reinforcement Learning框架与代码

【学习之路】MultiAgentReiforcementLearning框架与代码Introduction国庆期间，有个客户找我写个代码，是强化学习相关的，但我没学过，心里那是一个慌，不过好在经过详细的调研以及自身的实力
lzl2040·2024-01-18 23:16

基于模型与不基于模型的深度增强学习_主编推荐 | 基于模型的强化学习—LQR与iLQR...

作者：知乎用户@王沃河编者按深度强化学习(DRL）的一炮走红，让人们一谈起强化学习首先想到的往往是DRL，而强化学习最早的起源来自optimalcontroltheory。
weixin_39572442·2024-01-18 19:19

【书摘】拉兹丨《自由主义者与社群主义者》- 至善主义自律

---第十章拉兹：至善的政治摘要：目录第二版序言…001序言…001鸣谢…001缩略语…001导论：罗尔斯的原初状态…0011.作为公平的正义的基础…0022.议程：由原初状
杨原平·2024-01-18 17:01

十分钟读完「斯坦福提出的革新AI训练的新算法DPO」论文

无需强化学习也能微调对齐大语言模型引言：探索无监督语言模型的可控性挑战在人工智能领域，无监督语言模型（LanguageModels,LMs）的发展已经达到了令人惊叹的水平，这些模型能够在广泛的数据集上进行预训练
夕小瑶·2024-01-18 12:15

2024年1月17日Arxiv热门NLP大模型论文：PRewrite: Prompt Rewriting with Reinforcement Learning

Google革新AI写作，推出PRewrite工具：用强化学习自动优化提示，效率和性能双提升！
夕小瑶·2024-01-18 12:14

1.机器学习-机器学习算法分类概述

机器学习-机器学习算法分类概述个人简介机器学习算法分类：监督学习、无监督学习、强化学习一·监督学习1.监督学习分类任务举例：1.1特征1.2标签二·无监督学习1.关键特点2.应用示例3.常见的无监督学习算法三
以山河作礼。·2024-01-18 12:08

Peter算法小课堂—动态规划

Peter推荐算法书：《算法导论》图示：目录钢条切割打字怪人钢条切割算法导论（第四版）第十四章第一节：钢条切割题目描述：给定一根长度为n英寸的钢条和一个价格表，其中i=1,2,…,n，求切割方案，使得总销售价格最大
Peter Pan was right·2024-01-18 11:18

【书籍】强化学习第二版（英文版电子版下载、github源码）-附copilot翻译的中英文目录...

reinforcement-learning-an-introduction英文原版书籍下载：http://incompleteideas.net/book/the-book-2nd.html作者：理查德·S·萨顿是阿尔伯塔大学计算机科学教授和强化学习与人工智能
十年一梦实验室·2024-01-18 09:55

机器学习（十） — 强化学习

Reinforcementlearning1keyconceptsstatesactionsrewardsdiscountfactorγ\gammaγreturnpolicyπ\piπ2returndefinition:thesumoftherewardsthatthesystemgets,weightedbythediscountfactorcompute:RiR_iRi:rewardofsta
绘梨衣吖·2024-01-18 09:12

【机器学习实例讲解】机器学习-鸢尾花数据集多分类第02课

问题定义与理解：明确机器学习任务的目标，是分类、回归、聚类、强化学习还是其他类型的问题。确定业务背景和需求，了解所处理数据的现实意义。
德天老师·2024-01-18 08:45

深度强化学习Task1：马尔可夫过程、DQN算法回顾

本篇博客是本人参加Datawhale组队学习第一次任务的笔记【教程地址】https://github.com/datawhalechina/joyrl-book【强化学习库JoyRL】https://github.com
卡拉比丘流形·2024-01-18 05:14

AI 反馈强化学习的工作原理

一、说明AI反馈强化学习（RLAIF）是一种监督技术，它使用“宪法”来使像ChatGPT这样的AI助手更安全。在本指南中了解您需要了解的有关RLAIF的所有信息。
无水先生·2024-01-18 03:29

插入排序算法的java实现及时间复杂度分析

1今天在看算法导论的时候被一个插入排序给卡住，于是小结一下。时间复杂度最坏为O(n^2)，最好为O(n)。
普罗米修斯Aaron_Swartz·2024-01-18 02:13

深度强化学习车辆重定向HMDRL: Hierarchical Mixed Deep Reinforcement Learning to Balance Vehicle Supply andDemand

HMDRL:HierarchicalMixedDeepReinforcementLearningtoBalanceVehicleSupplyandDemand摘要三层混合深度强化学习方法，对闲置的车辆进行重新定位管理者在顶层
发呆哥o_o ....·2024-01-17 22:01

深度强化学习的变道策略：Harmonious Lane Changing via Deep Reinforcement Learning

偏理论，假设情况不易发生摘要多智能体强化学习的换道策略，不同的智能体在每一轮学习后交换策略，达到零和博弈。
发呆哥o_o ....·2024-01-17 22:59

基于霍克斯过程的限价订单簿模型下的深度强化学习做市策略

数量技术宅团队在CSDN学院推出了量化投资系列课程欢迎有兴趣系统学习量化投资的同学，点击下方链接报名：量化投资速成营（入门课程）Python股票量化投资Python期货量化投资Python数字货币量化投资C++语言CTP期货交易系统开发数字货币JavaScript语言量化交易系统开发相关研究总述最优做市(MM)是在限价订单簿(LOB)的两侧同时下达买订单和卖订单的问题，目的是最大化交易者的最终收益
数量技术宅·2024-01-17 22:47

[晓丽紫]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...

专属领域论文订阅关注{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[晓丽紫]每日论文分享
晓理紫·2024-01-17 20:28

[晓丽紫]每日论文分享(有中文摘要，源码或项目地址)--机器人相关

专属领域论文订阅VX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[晓丽紫]
晓理紫·2024-01-17 20:27

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

VX关注晓理紫，并留下邮箱可免费获取每日论文推送服务分类: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:ACloserLookatAUROCandAUPRCunderClassImbalance
晓理紫·2024-01-17 20:27

[晓理紫]每日论文推送(有中文摘要，源码或项目地址)--机器人、视觉相关

专属领域论文订阅VX关注{晓理紫}，每日更新论文，如感兴趣，请转发给有需要的同学，谢谢支持VX关注晓理紫，并留下邮箱可免费获取每日论文推送服务分类: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·2024-01-17 20:57

中科院自动化所：基于关系图深度强化学习的机器人多目标包围问题新算法

摘要：中科院自动化所蒲志强教授团队，提出一种基于关系图的深度强化学习方法，应用于多目标避碰包围(MECA)问题，使用NOKOV度量动作捕捉系统获取多机器人位置信息，验证了方法的有效性和适应性。
MocapLeader·2024-01-17 20:31

自在人生～法尔如是

1.活在意识主导论就是活在真相中，就能被照亮一切的智慧滋养。2.一切都是念的叠加，物质世界不是真的，是念的叠加的显现。3.止观不是止念，而是不随着这个念生心，不失清净的本性。
唐润珠宝·2024-01-17 17:08

计算机导论11-信息与信息系统

文章目录信息与信息管理信息信息的概念信息的基本属性信息资源信息管理信息管理的概念信息管理过程信息化信息化的概念信息化的层次信息化产生的影响信息系统基础信息系统概述信息系统的概念与架构信息系统的功能信息系统的特性信息系统的分类信息系统的应用类型信息系统的应用决策支持系统决策的概念决策支持系统企业信息系统企业资源计划客户关系管理供应链管理电子商务系统电子商务的概念电子商务的特殊性电子商务系补充题信息与
D0ublecl1ck·2024-01-17 13:09

计算机导论12-信息安全

文章目录信息安全基础信息安全概述信息安全面临的挑战保障信息安全的策略信息安全的目标信息安全问题分析物理安全风险系统风险网络与应用风险管理风险密码技术密码学基础密码学基本概念密码编制学密码分析学密码技术密码体制对称密码体制非对称密码体制数字签名身份认证网络安全防火墙防火墙的作用防火墙的基本类型防火墙的使用入侵检测入侵检测系统入侵检测的类型入侵检测过程入侵检测技术的发展访问控制访问控制的概念访问控制策
D0ublecl1ck·2024-01-17 13:09

计算机导论10-软件与软件工程

文章目录软件软件的概念软件的定义软件的特征软件的保护与授权软件的法律保护软件许可软件工程软件危机软件危机的概念产生软件危机的原因软件工程的概念软件工程的定义软件工程基本原理软件工程框架软件工程三要素软件工程方法学软件工程方法软件工程工具软件工程过程软件生命周期软件生命周期概念软件生命周期模型瀑布模型演化模型增量模型螺旋模型喷泉模型微软公司软件开发周期补充题软件软件的概念软件（software）是信
D0ublecl1ck·2024-01-17 13:08

计算机导论06-人机交互

文章目录人机交互基础人机交互概述人机交互及其发展人机交互方式人机界面新型人机交互技术显示屏技术跟踪与识别（技术）脑-机接口多媒体技术多媒体技术基础多媒体的概念多媒体技术及其特性多媒体技术的应用多媒体技术发展趋势多媒体应用技术文字（语言的符号化）处理技术音频（语言的信号化）处理技术声音的数字化MIDI合成音频（计算机合成的数字声音、音乐）图形图像处理技术图像的数字化图形影像处理技术多媒体数据压缩技术
D0ublecl1ck·2024-01-17 13:08

强化学习（一）简介

强化学习这一概念在历史上来源于行为心理学，来描述生物为了趋利避害而改变自己行为的学习过程。人类学习的过程其实就是为达到某种目的不断地与环境进行互动试错，比如婴儿学习走路。
EasonZzzzzzz·2024-01-17 10:12

强化学习（二）多臂老虎机 “Multi-armed Bandits”——2

1、增量算法估计动作价值由之前的内容可知，某一个动作被选择n−1n-1n−1次后，该动作的价值估计值为Qn≐R1+R2+⋯+Rn−1n−1Q_n\doteq\dfrac{R_1+R_2+\cdots+R_{n-1}}{n-1}Qn≐n−1R1+R2+⋯+Rn−1很明显，随着时间的推移，内存和计算的需求逐渐增长，为此设计增量算法，已知QnQ_nQn和第nnn次的奖励RnR_nRn，则这nnn次奖励的
EasonZzzzzzz·2024-01-17 10:12
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他