强化学习由浅入深

强化学习（一）：Agent-Environment框架

作者博客：途中的树强化学习算法的思路非常简单，以游戏为例，如果在游戏中采取某种策略可以取得较高的得分，那么就进一步「强化」这种策略，以期继续取得较好的结果。
反派，·2023-10-04 22:00

在用强化学习解决实时调度问题时，是否可以采用性能较好的工作站训练，然后将结果copy到性能一般的电脑上去实现‘实时调度？

下午看论文突然有个疑问，我在用强化学习解决实时调度问题时，是否可以采用性能较好的工作站训练，然后将结果copy到性能一般的电脑上去实现‘实时调度呢？
喝凉白开都长肉的大胖子·2023-10-04 22:58

强化学习（一）- 强化学习基础

定义强化学习（ReinforcementLearning，RL）是智能体（Agent）为了最大化长期回报（Return）的期望，通过观察系统环境，不断试错（Trial-and-Error）进行学习的过程
bymaymay·2023-10-04 22:55

强化学习 Q-learning 实战GYM下的CliffWalking爬悬崖游戏

CliffWalking如下图所示，S是起点，C是障碍，G是目标agent从S开始走，目标是找到到G的最短路径这里reward可以建模成-1，最终目标是让return最大，也就是路径最短代码和解释importgymimporttimeimportnumpyasnpclassQLearningAgent(object):def__init__(self,obs_n,act_n,learning_ra
Xurui_Luo·2023-10-04 22:55

解释强化学习中model-based和model-free,online和off line，on policy 和 off policy的关系与区别

解释强化学习中model-based和model-free,online和offline，onpolicy和offpolicy的关系与区别在强化学习中，有四个重要的概念，它们描述了不同的学习方法和策略评估方式
喝凉白开都长肉的大胖子·2023-10-04 22:52

强化学习环境 - robogym - 学习 - 2

强化学习环境-robogym-学习-2文章目录强化学习环境-robogym-学习-2项目地址为什么选择robogymRearrange-环境部分介绍RobotControlInterface-机器人控制接口
Ctrl+Alt+L·2023-10-04 22:22

强化学习环境 - robogym - 学习 - 1

强化学习环境-robogym-学习-1项目地址https://github.com/openai/robogym为什么选择robogym自己的项目需要做一些机械臂table-top级的多任务操作robogym
Ctrl+Alt+L·2023-10-04 22:21

大模型RLHF算法更新换代，DeepMind提出自训练离线强化学习框架ReST

这些技术造就了像GPT-3、PaLM等基座生成模型，在这些基座模型之上，研究人员通过引入人类反馈的强化学习算法（RLHF）开发出了例如ChatGPT这些与人类偏好保持一致的可聊天模型
TechBeat人工智能社区·2023-10-04 13:48

康老师读书 | 三个阶段：涡式循环，不断超越

在分析了教师应该具有的专业素养之后，他提出了教师专业阅读的五大根本假设：1、对于任何一个具体的专业领域而言，存在着一个最合理的知识结构；2、专业发展，必然会经历一种“浪漫→精确→综合”的有机过程；3、每一门类知识的掌握，都存在着一条由浅入深的路径
康老师心育·2023-10-04 12:33

Ray和RLlib用于快速并行强化学习

作者|ChristianHubbs编译|VK来源|TowardsDataScienceRay不仅仅是一个用于多处理的库，Ray的真正力量来自于RLlib和Tune库，它们利用了强化学习的这种能力。
磐创 AI·2023-10-04 06:41

DRL深度强化学习代码实战1——MountainCar-v0小车成功登顶

如果你是刚刚接触DRL的同学，那么本文的内容就是引你入胜的第一个小实验。DRL的学习离不开理论知识，但更不能缺少实践！废话不多说我们直接开始。0、实验环境和包版本①PyCharm2022Pro②gym0.25.2③python3.8.16④numpy1.23.51、初步了解Gym关于gym（以及其他的库/包），了解它的最好方法我认为是直接看官方文档，因为官方的文档和说明永远是最权威最前沿的，你看再
在屏幕前出油·2023-10-04 03:06

【强化学习】04 ——动态规划算法

文章目录1.简介2.策略迭代算法2.1策略评估Example12.2策略提升2.3策略迭代算法Example2:Jack'sCarRental3.价值迭代算法Example14.价值迭代VS.策略迭代总结DP扩展代码悬崖漫步（CliffWalking）冰湖（FrozenLake）参考1.简介动态规划（DynamicProgramming）是程序设计算法中非常重要的内容，能够高效解决一些经典问题，例
yuan〇·2023-10-04 01:55

【强化学习】05 —— 基于无模型的强化学习（Prediction）

文章目录简介蒙特卡洛算法时序差分方法Example1MC和TD的对比偏差（Bias）/方差（Variance）的权衡Example2RandomWalkExample3AB反向传播(backup)Monte-CarloBackupTemporal-DifferenceBackupDynamicProgrammingBackupBootstrappingandSampling多步时序查分学习Exam
yuan〇·2023-10-04 01:22

大模型微调概览

文章目录微调和高效微调高效微调技术方法概述高效微调方法一：LoRA高效微调方法二:PrefixTuning高效微调方法三:PromptTuning高效微调方法四:P-Tuningv2基于强化学习的进阶微调方法
伊织code·2023-10-03 22:29

自信需要自我经验建构和观察学习

—《表现力：快速影响他人、成就自己的艺术》罗布•萨拉菲亚一个人的自信一方面是自己本身所带有的一种状态，另一方面是需要后天的一种建构与强化学习。
幸好我们曾遇见·2023-10-03 16:23

新兴技术成熟度曲线

通用人工智能/神经形态硬件/深度强化学习/量子计算/脑机接口等技术仍处在上升阶段。情感计算/自然语言问答/智能数字挖掘/虚拟个人助理等已经脱离曲线，走向成熟。
360linker·2023-10-03 14:53

给孩子挑选课外读物

其实，选书最重要的是从孩子的需求出发，大致遵循从简到难、由浅入深，难度逐步递进即可。选书技巧1、尊重孩子的兴趣给孩子选书时，应该充分尊重孩子意见，从孩子喜欢的作品类型入手。
鸿商富贾·2023-10-03 14:13

第二周复盘

今天是加入E战到底的第二复盘日，本周的学习主要以函数为主，课程设计的思路比较好，由浅入深。那接下来我们先来回顾一下本周的知识点吧！函数是什么？
点馨馨·2023-10-03 11:45

参加par面，有哪些问题要注意？

Par面的问题会由浅入深、循循善诱，看似简单的发问实则套
鲸腾学堂·2023-10-03 10:25

整理了197个经典SOTA模型，涵盖图像分类、目标检测、推荐系统等13个方向

今天来帮大家回顾一下计算机视觉、自然语言处理等热门研究领域的197个经典SOTA模型，涵盖了图像分类、图像生成、文本分类、强化学习、目标检测、推荐系统、语音识别等13个细分方向。
深度之眼·2023-10-03 07:30

图灵9本新书上市！

》作者：尼克定价：79元页数：368页《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习
turingbooks·2023-10-03 04:12

巧借教材课后题，培养学生“阅读力”——以部编版二年级下册教材为例

部编版教材的最大亮点，就是将语文要素渗透在每一课的课后习题中，并分成若干个知识或能力训练的“点”，由浅入深、由易到难，有梯度地螺旋上升。
0881e128b7c6·2023-10-03 03:21

思维导向树6级节点_不了解自己？沟通思维的6个层次，你看看在哪一层（三维树）...

这个思维过程，是由浅入深，由低到高，共有6个级别，你看看到了哪一个层级。打开今日头条，查看更多精彩图片第1层形成主见：是指自己的观点或判断。当你用心的去思考一个问题，就自然的形成了自己的观点。
weixin_39827728·2023-10-03 00:29

Transformer在小目标检测上的应用

本篇文章是博主在AI、无人机、强化学习等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。
不去幼儿园·2023-10-02 21:05

【扩散生成模型】Diffusion Generative Models

由浅入深了解DiffusionModel相关论文合集：Awesome-Diffusion-Models提出扩散模型思想的论文：《DeepUnsupervisedLearningusingNonequilibriumThermodynamics
dataloading·2023-10-02 14:24

由浅入深C系列七：工欲善其事，必先利其器，从一个makefile模板开始

从一个makefile模板开始简介makefile结构makefile实例简介makefile结构关于makefile的结构，这个网上介绍的文章很多，就不重复了。需要的读者可以参考网上的文章。这里主要介绍几个重要的内置变量。$@表示目标文件$^表示所有的依赖文件$)#下面的例子中，$(wildcard./*.cpp)的用法是#将所有的匹配.cpp文件列，展开成一个列表返回patsubst#替换通配
招财猫_Martin·2023-10-02 09:41

六、HotSpot中的垃圾收集

JVM由浅入深系列一、关于Java性能的误解二、Java性能概述三、了解JVM概述四、探索JVM架构五、垃圾收集基础六、HotSpot中的垃圾收集七、垃圾收集中级八、垃圾收集高级HotSpot中的垃圾收集
kunlong_luo·2023-10-02 08:02

七、垃圾收集中级

JVM由浅入深系列JVM由浅入深系列一、关于Java性能的误解二、Java性能概述三、了解JVM概述四、探索JVM架构五、垃圾收集基础六、HotSpot中的垃圾收集七、垃圾收集中级八、垃圾收集高级垃圾收集中级
kunlong_luo·2023-10-02 08:02

八、垃圾收集高级

JVM由浅入深系列一、关于Java性能的误解二、Java性能概述三、了解JVM概述四、探索JVM架构五、垃圾收集基础六、HotSpot中的垃圾收集七、垃圾收集中级八、垃圾收集高级垃圾收集高级⚽️1.CMSCMS
kunlong_luo·2023-10-02 08:02

九、GC收集日志

JVM由浅入深系列一、关于Java性能的误解二、Java性能概述三、了解JVM概述四、探索JVM架构五、垃圾收集基础六、HotSpot中的垃圾收集七、垃圾收集中级八、垃圾收集高级GC收集日志⚽️1.认识
kunlong_luo·2023-10-02 08:30

基于强化学习的节能路由（Matlab代码实现）

欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述2运行结果3参考文献4Matlab代码及文章1概述无线传感器设备是物联网（IoT）的支柱，使现实世界的物体和人类能够连接到互联网并相互交互，以改善公民的生活条件。然而，物联网设备受到内存和功率限制，不允许高计算应用，而路由任务是使对象成为物联网网络的一部分的原因
长安程序猿·2023-10-02 03:38

文科学习vs现实学习

文科学习vs现实学习一千年前的样貌语言中的发音学习虽然能够通过笔记来强化学习，但是有些事物肯定是没有办法靠文章写作来的，需要直接的多注意多练习，比如你要唱歌，跳舞，画画这些都是不能够全然地依靠文本来思考的
不做学霸很久了·2023-10-02 01:51

艺术，为教育增添色彩——2021年许昌市美术学科中考改革专题培训学习心得

在三天的培训学习中，聆听专家由浅入深的讲座、教师生动详尽的课例展示，使我对美术教学有了全新的认识，同时思想观念也得到了提高和升华。此次培训虽然时间短暂，但安排的紧凑有序，学习内容丰富，讲授精彩纷呈。下
Sophia雨儿·2023-10-01 14:07

什么是好的开头和结尾

开头结尾要由浅入深。4。不能是万能的开头结尾。分别具体来说说为什么要符合这几个要求：1。开头结尾都要短中考作文一般限制在600-800字，开头结尾不宜过长，50-100字为宜。
叶子楣舟·2023-10-01 12:23

【ChatGPT】ChatGPT发展历史

.hello，我是小索奇，在AI日益庞大的环境下，接下来将为大家不断的ChatGPT学习ChatGPT使用了Transformer结构，建立在OpenAI的GPT-3.5大型语言模型系列上并使用监督和强化学习技术进行微调
即兴小索奇·2023-10-01 03:40

强化学习模型易受成员推理攻击的研究及编程实现

近期的研究表明，强化学习模型在面对成员推理攻击时容易受到影响。成员推理攻击是指恶意用户通过观察模型的输出和环境反馈来推断模型的内部信息，从而构造针对模型的攻击策略。
程序设计创梦引领者·2023-09-30 21:15

LLMs: 强化学习从人类反馈中学习Reinforcement learning from human feedback (RLHF)

让我们考虑一下文本摘要的任务，即使用模型生成一段简短的文本，捕捉较长的文章中最重要的观点。您的目标是通过向模型展示人工生成的摘要示例，使用微调来提高模型的总结能力。2020年，OpenAI的研究人员发表了一篇论文，探讨了使用人工反馈进行微调来训练模型撰写文本文章的简短摘要。在这里，你可以看到，与预训练模型、指令微调模型甚至参考人类基线相比，根据人类反馈进行微调的模型产生的响应效果更好。一种使用人类
AI架构师易筋·2023-09-30 19:27

【强化学习】基础概念

1.Agent(智能体)智能体是进行决策和学习的实体，它能感知环境的状态，并基于策略采取动作以影响环境。智能体的目标是通过与环境的交互获得最大化的累积奖励。2.Environment(环境)环境是智能体所处的外部系统，它与智能体交互。环境的状态可能对智能体可见（如游戏中的棋盘状态），也可能对智能体不可见（如对手的策略）。例如：在无人驾驶中智能体是无人驾驶系统，环境则是汽车本身、其他的汽车及建筑等。
如果皮卡会coding·2023-09-30 18:48

EasyX趣味化编程note2，绘制基本图形

创意化编程，让编程更有趣今天介绍的仍为比较简单的效果，由浅入深来进行学习介绍每个函数都会附上代码和运行结果，感兴趣的大家可以复制粘贴运行一下看看效果，也可以自己进行改动，非常好玩且加深印象。
晴天(●'◡'●)·2023-09-30 13:33

机器学习笔记 - 基于强化学习的贪吃蛇玩游戏

一、关于深度强化学习如果不了解深度强化学习的一般流程的可以考虑看一下下面的链接。因为这里的示例因为在PyTorch之上实现深度强化学习算法。
坐望云起·2023-09-30 13:03

深度强化学习：如何在AI工程实践中选择合适的算法？

关注公众号，发现CV技术之美在使用深度强化学习（DeepReinforcementLearning，DRL）算法解决实际问题的过程中，明确任务需求并初步完成问题定义后，就可以为相关任务选择合适的DRL算法了
我爱计算机视觉·2023-09-30 08:07

谈话有层次才有力量

推进谈话的逐层深入，让人际关系由浅入深。共同达成目标。有3个好处：1.这个时代谁也离不开团队合作。如何让同事配合，共同做事。2.别人说你好，才是真的好。
我爸真帅·2023-09-30 07:48

渡一教育 Promise到底解决了哪些问题？

以及它的出现为我们解决了怎么样的问题，这些都是我们需要知道的，接下来我们一步步进行分析，由浅入深。为什么要使用Promise？
渡一web前端·2023-09-30 06:54

启发式算法与机器学习的区别_使用强化学习训练受启发的四足机器人

启发式算法与机器学习的区别It’sbeenawhilesinceI’vestartedexploringReinforcementLearningandOpenAIGym,inspiredbytheamazingBostonDynamicsSpot.I’vespentlastyearstudyingthefoundationsofMachineLearningandhowitisappliedto
weixin_26715991·2023-09-30 05:17

强化学习到底是什么？它是怎么运维的

https://mp.weixin.qq.com/s/LL3HfU2iNlmSqaTX_3J7fQ强化学习是一种行为学习模型，由算法提供数据分析反馈，引导用户逐步获取最佳结果。
喝凉白开都长肉的大胖子·2023-09-30 05:45

优化｜深度学习或强化学习在组合优化方面有哪些应用？

来源：图灵人工智能前言深度强化学习求解组合优化问题近年来受到广泛关注，是由于其结合了强化学习(Reinforcementlearning)强大的决策(decision-making)能力和深度学习(deeplearning
人工智能学家·2023-09-30 05:44

在优化问题里，强化学习相比启发式算法有什么好处？

关于强化学习和传统优化算法（包括：数学优化，启发式，元启发式）的探讨越来越多了，很多同学可能是一上来就集中在一个方向和方法上，并没有在全局的视角去审视这几类方法的不同。
喝凉白开都长肉的大胖子·2023-09-30 05:13

如何用深度强化学习自动炒股

痛定思痛，俺决定换一个思路：如何用深度强化学习来自动模拟炒股？实验验证一下能否获得收益。监督学习与强化学习的区别监督
北纬32.6·2023-09-30 05:22

百度正式发布PaddlePaddle深度强化学习框架PARL

去年，斯坦福大学神经生物实验室与EPFL联合举办了一场强化学习赛事——人工智能假肢挑战赛（AIforProstheticsChallenge），希望将强化学习应用到人体腿部骨骼仿真模拟模型的训练。
PaddleWeekly·2023-09-29 20:02

KDD 2020捷报 | 第四范式斩获KDD Cup全球冠军 AutoML挑战赛圆满落幕

在此次会议中，第四范式捷报连连：首先，第四范式与北京航空航天大学童咏昕教授研究组组成的联合团队在千余支队伍中脱颖而出，获得KDDCup2020强化学习挑战赛（RLTrack）世界冠军；其次，由第四范式主办
weixin_43798812·2023-09-29 15:38
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他