强化学习论文笔记

强化学习求解TSP：Qlearning求解旅行商问题（Traveling salesman problem, TSP）提供Python代码

一、Qlearning简介Q-learning是一种强化学习算法，用于解决基于奖励的决策问题。它是一种无模型的学习方法，通过与环境的交互来学习最优策略。
IT猿手·2024-01-10 15:25

强化学习求解TSP（一）：Qlearning求解旅行商问题TSP（提供Python代码）

一、Qlearning简介Q-learning是一种强化学习算法，用于解决基于奖励的决策问题。它是一种无模型的学习方法，通过与环境的交互来学习最优策略。
IT猿手·2024-01-10 15:49

强化学习6——动态规划置策略迭代算法，以悬崖漫步环境为例

策略迭代算法通过策略评估与策略提升不断循环交替，得到最优策略。策略评估固定策略π\piπ不变，估计状态价值函数V一个策略的状态价值函数，在马尔可夫决策过程中提到过：Vπ(s)=∑a∈Aπ(a∣s)(r(s,a)+γ∑s′∈Sp(s′∣s,a)Vπ(s′))V^{\pi}(s)=\sum_{a\inA}\pi(a|s)\left(r(s,a)+\gamma\sum_{s'\inS}p(s'|s,a)
beiketaoerge·2024-01-10 07:15

强化学习在生成式预训练语言模型中的研究现状简单调研

1.绪论本文旨在深入探讨强化学习在生成式预训练语言模型中的应用，特别是在对齐优化、提示词优化和经验记忆增强提示词等方面的具体实践。
一条独龙·2024-01-10 01:25

强化学习Double DQN方法玩雅达利Breakout游戏完整实现代码与评估pytorch

1.实验环境1.1硬件配置处理器：2*AMDEPYC7773X64-Core内存：1.5TB显卡：8*NVIDIAGeForceRTX309024GB1.2工具环境Python：3.10.12Anaconda：23.7.4系统：Ubuntu22.04.3LTS(GNU/Linux5.15.0-91-genericx86_64)IDE：VSCode1.85.1gym：0.26.2Pytorch：2.
一条独龙·2024-01-10 01:22

机器学习简答题

监督学习、无监督学习、半监督学习、强化学习3、请简述什么是监督学习？什么是无监督学习？有监督学习是指训练数据中包含了输入和输出的标签信息，目标是通过已知输入和输出来预测新数据的标签。
你若盛开，清风自来！·2024-01-09 23:08

强化学习9——免模型预测算法介绍（蒙特卡洛方法和时步差分方法）

对于大部分情况来说，环境是未知的，也就是说状态转移概率未知，对于这种情况的算法称为免模型预测算法。免模型算法与环境不断交互学习，但是需要大量的运算。蒙特卡洛方法蒙特卡罗方法通过重复随机抽选，之后运用统计概率此方法来从抽样结果中归纳我们想要得到的数值估计。如下图所示，圆面积与正方形面积的比等于落入圆内的点与落入正方形的内的点的比一个状态的价值是它的期望回报，可以采样多条序列，计算从这个状态出发的回报
beiketaoerge·2024-01-09 22:30

强化学习3——马尔可夫性质、马尔科夫决策、状态转移矩阵和回报与策略（上）

如果要用强化学习去解决一个实际问题，第一步要做的事情就是把这个实际问题抽象为一个马尔可夫决策过程。马尔可夫决策过程描述马尔可夫决策过程以智能体在与环境交互的过程中，学习的过程。
beiketaoerge·2024-01-09 22:59

强化学习1——多臂老虎机（上）

在强化学习中，关注智能体在与环境的交互中学习，成为试错型学习。多臂老虎机不存在状态信息，只有动作和奖励，是最简单的“和环境交互中学习“。
beiketaoerge·2024-01-09 22:29

强化学习10——免模型控制Q-learning算法

Q-learning算法主要思路由于Vπ(s)=∑a∈Aπ(a∣s)Qπ(s,a)V_\pi(s)=\sum_{a\inA}\pi(a\mids)Q_\pi(s,a)Vπ(s)=∑a∈Aπ(a∣s)Qπ(s,a)，当我们直接预测动作价值函数，在决策中选择Q值最大即动作价值最大的动作，则可以使策略和动作价值函数同时最优，那么由上述公式可得，状态价值函数也是最优的。Q(st,at)←Q(st,at)+
beiketaoerge·2024-01-09 22:58

ERNIE: Enhanced Representation through Knowledge Integration论文笔记

创新点1.maskingBasic-levelMasking:与bert相同，字的maskPhrase-LevelMasking：短语级别的maskEntity-LevelMasking：实体级别的mask2.HeterogenereousCorpusPre-training加入更多语料,中文维基百科、百度百科、百度新闻、百度贴吧。3.DLM（DialogueLanguageModel）对话模型建
大可爱学习·2024-01-09 15:19

ParticleSfM：Exploiting Dense Point Trajectories for Localizing Moving Cameras in the Wild——论文笔记

参考代码：particle-sfm1.概述介绍：基于运动恢复的重建算法其前提假设是所处的是静态场景，但在实际过程中该假设可能是不成立的，这就会导致位姿估计不准确和场景重建出错。为了处理动态场景问题，文章引入视频帧间光流信息作为输入，通过帧间光流信息构建多帧之间初始逐像素传导路径，并由这些路径通过网络推理得到场景中众多路径是否为属于运动物体，同时可以根据路径分类信息得到场景中运动目标的“分割mask
m_buddy·2024-01-09 10:51

Adding Conditional Control to Text-to-Image Diffusion Models——【论文笔记】

本文发表于ICCV2023论文地址：ICCV2023OpenAccessRepository(thecvf.com)官方实现代码：lllyasviel/ControlNet:Letuscontroldiffusionmodels!(github.com)Abstract论文提出了一种神经网络架构ControlNet,可以将空间条件控制添加到大型的预训练文本到图像扩散模型中。ControlNet将预
我是浮夸·2024-01-09 08:20

【论文笔记】Summarizing source code with Heterogeneous Syntax Graph and dual position

SummarizingsourcecodewithHeterogeneousSyntaxGraphanddualpositionAbstract1.Introduction2.HSGanddualposition2.1HSGconstruction2.2Codetokenswithdualpositions3.HetSummodel3.1Overview3.2Embeddings3.3.Codet
落啦啦·2024-01-09 08:44

ChatGPT和Web3：人工智能如何帮助您建立和发展您的 Web3 公司

该机器人建立在OpenAI的GPT-3人工智能家族上，并通过监督学习和强化学习技术进行了优化。与ChatGPT机器人聊天时，你会感觉自己在与一个懂得一切并以非常教育性的方式回答的朋友交谈。
zgsdzczh·2024-01-09 01:09

MATLAB强化学习工具箱（四）创建水箱强化学习模型

创建水箱强化学习模型问题描述行动与观测奖励信号终止信号创建环境对象重置函数本示例说明如何创建一个水箱强化学习Simulink®环境，该环境包含一个RLAgent块来代替用于水箱中水位的控制器。
王莽v2·2024-01-09 01:46

MATLAB强化学习工具箱（十一）训练DDPG智能体控制飞行机器人

飞行机器人模型此示例的强化学习环境是飞行机器人，其初始条件围绕半径为15m的圆环随机化。机器人的方向也是随机的。机器人具有安装在主体侧面的两个推进器，用于推动和操纵机器人。训练的目标是将机器
王莽v2·2024-01-09 01:46

MATLAB强化学习实战(一) 强化学习智能体训练总览

强化学习智能体训练总览简介训练算法情节管理器保存候选智能体并行计算GPU加速验证训练后的策略环境验证简介创建环境和强化学习智能体后，您可以使用训练功能在环境中训练智能体。
王莽v2·2024-01-09 01:46

MATLAB强化学习工具箱(三)-创建Simulink环境并训练智能体

使用强化学习深度确定性策略梯度（DDPG）智能体。水箱模型此示例的原始模型是水箱模型。目的是控制水箱中的水位。通过进行以下更改来修改原始模型：删除PID控制器。插入RLAgent块。
王莽v2·2024-01-09 01:16

AI人工智能学习路线图

学习人工智能的基本算法，包括分类、回归、聚类、强化学习等。了解常用的人工智能框架，如TensorFlow、PyTorch等。实践并练习，尝试自己解决一些练习题或者实际问题。学
AI论道·2024-01-09 01:43

强化学习的数学原理学习笔记 - 策略梯度（Policy Gradient）

文章目录概览：RL方法分类策略梯度（PolicyGradient）BasicPolicyGradient目标函数1：平均状态值目标函数2：平均单步奖励PG梯度计算REINFORCE本系列文章介绍强化学习基础知识与经典算法原理
Green Lv·2024-01-09 00:24

强化学习的数学原理学习笔记 - 基于模型（Model-based）

方法分类基于模型（Model-Based）值迭代（ValueIteration）策略迭代（PolicyIteration）截断策略迭代（TruncatedPolicyIteration）本系列文章介绍强化学习基础知识与经典算法原理
Green Lv·2024-01-09 00:20

【伤寒强化学习训练】打卡第八十三天 一期90天

8.5.1小建中汤与黄芪建中汤小建中汤，基本上是因为有饴糖，也就是麦芽糖，才称之为建中汤的。主证没有发干发渴的感觉的时候，芍药减少一点量是没有关系。因为现在人的肠胃有时候比较冷，芍药用多了会拉肚子；基本上乘以0.1的剂量，芍药放足桂枝的两倍没关系。但是觉得自己很需要大补，而用0.3的剂量的时候，芍药的用量就要看一下自己的体质；张仲景说一个容易拉肚子的人，栀子、芍药、大黄类的药都要放少一点，一般抓主
A卐炏澬焚·2024-01-08 18:09

强化学习的数学原理学习笔记 - 值函数近似（Value Function Approximation）

文章目录概览：RL方法分类值函数近似（Valuefunctionapproximation）Basicidea目标函数（objectivefunction）优化算法（optimizationalgorithm）Sarsa/Q-learningwithfunctionapproximationSarsawithfunctionapproximationQ-learningwithfunctionap
Green Lv·2024-01-08 15:42

强化学习的数学原理学习笔记 - Actor-Critic

Advantageactor-critic)Off-policyAC重要性采样（ImportanceSampling）Off-policyPGOff-policyACDPG(DeterministicAC)本系列文章介绍强化学习基础知识与经典算法原理
Green Lv·2024-01-08 15:42

强化学习的数学原理学习笔记 - 蒙特卡洛方法（Monte Carlo）

文章目录概览：RL方法分类蒙特卡洛方法（MonteCarlo，MC）MCBasicMCExploringStartsMCε-Greedy本系列文章介绍强化学习基础知识与经典算法原理，大部分内容来自西湖大学赵世钰老师的强化学习的数学原理课程
Green Lv·2024-01-08 15:12

强化学习的数学原理学习笔记 - 时序差分学习（Temporal Difference）

文章目录概览：RL方法分类时序差分学习（TemporalDifference，TD）TDforstatevaluesBasicTDTDvs.MCSarsa(TDforactionvalues)BasicSarsa变体1：ExpectedSarsa变体2：n-stepSarsaQ-learing(TDforoptimalactionvalues)TD算法汇总*随机近似（SA）&随机梯度下降（SGD）
Green Lv·2024-01-08 15:40

机器学习周刊 第4期：动手实战人工智能、计算机科学热门论文、免费的基于ChatGPT API的安卓端语音助手、每日数学、检索增强 (RAG) 生成技术综述

目录：1、动手实战人工智能Hands-onAl2、huggingface的NLP、深度强化学习、语音课3、AwesomeJupyter4、计算机科学热门论文5、LLM开发者必读论文:检索增强(RAG)生成技术综述
机器学习算法与Python实战·2024-01-08 13:50

人工智能知识点总结

人工智能涵盖很多子领域，分别是机器学习，深度学习，自然语言处理，计算机视觉，强化学习等。机器学习：是如何设计一个模型和算法来提取数据的模式，从而改善性能进行自主决策。
一只发呆的猪·2024-01-08 11:52

论文阅读-基于深度强化学习的方法解决多智能体防御和攻击问题

论文原题目：Adeepreinforcementlearning-basedmethodappliedforsolvingmulti-agentdefenseandattackproblems论文链接：https://www.sciencedirect.com/science/article/pii/S0957417421003377论文信息：目录1引言2问题制定与环境建模2.1多智能体防御与攻击
天寒心亦热·2024-01-08 08:54

Flappy Bird QDN PyTorch博客 - 代码解读

QDN算法是一种强化学习算法，特别适用
OverlordDuke·2024-01-08 06:10

第一章 绪论1

1.1这是一本什么书1.2强化学习可以解决什么问题一强化学习所能解决的问题强化学习所能解决的问题：智能决策问题强化更准确的说是：序贯决策问题何为序贯决策问题：需要连续不断地做出决策，才能实现最终⽬标的问题
食蓼少年·2024-01-08 05:18

深度强化学习落地方法论（2）—— 需求分析篇

强化学习，无论前面带不带“深度”二字，也同样有其鲜明的优势和局限性，务必要具体问题具体分析。
WYJJYN·2024-01-08 04:12

Autoregressive Visual Tracking论文笔记

该论文提出了一个针对视觉目标跟踪的自回归框架，即ARTrack。它将跟踪看作是一个坐标序列解释任务，也就是逐步估计目标轨迹，当前的估计由以前状态所影响，进而影响子序列。这种时间自回归方法对轨迹的顺序演化进行建模从而跨帧跟踪对象。ARTrack的框架如下图所示：先通过编码器嵌入模板和搜索图像的视觉特征，然后，解码器根据先前的估计（时空prompts）以及命令和视觉tokens来解释当前时间t的坐标t
小迷糊~666·2024-01-07 21:35

论文笔记 Understanding Electricity-Theft Behavior via Multi-Source Data

WWW2020oral1INTRO1.1背景1.1.1窃电窃电（electricitytheft）指用户为了逃避电费而进行非法操作的一种行为常用的反窃电方法可分为两类：基于硬件驱动的反窃电方法电表开盖检测、集中器检测。。。。硬件驱动的方法响应快，定位准，但需要非常专业的领域知识，同时随着窃电策略的改变会随即失效基于数据驱动的反窃电方法分析用户用电时序曲线、分析台区线损时序曲线数据驱动的方法可以全盘
UQI-LIUWJ·2024-01-07 19:37

精益软件开发的七大原则

精益软件开发的七大原则：消除浪费（EleminateWaste):强化学习，鼓励改进（FocusonLearning):注重质量（BuildQualityIn);推迟承诺（Defercommitment
终有zy·2024-01-07 10:08

论文浅尝 | 基于微量资源的神经网络跨语言命名实体识别

论文笔记整理：谭亦鸣，东南大学博士生，研究方向为跨语言知识图谱问答。
开放知识图谱·2024-01-07 09:39

论文浅尝 | 基于属性嵌入的知识图谱实体对齐

论文笔记整理：王中昊，天津大学硕士，方向：自然语言处理。
开放知识图谱·2024-01-07 09:06

论文浅尝 | 基于属性embeddings的跨图谱实体对齐

论文笔记整理：谭亦鸣，东南大学博士生，研究方向为知识库问答。
开放知识图谱·2024-01-07 09:36

【论文笔记】An Extractive-and-Abstractive Framework for Source Code Summarization

AnExtractive-and-AbstractiveFrameworkforSourceCodeSummarization1.Introduction2.Model2.1Overview2.2TrainingofEACS2.2.1Parti:TrainingofExtractor2.2.2Partii:TrainingofAbstracter3.Evaluation1.Introduction
落啦啦·2024-01-07 00:37

Actor-Critic 跑 CartPole-v1

Vπθ(st)\psi_t=r_t+\gammaV_{\pi_\theta}(s_{t+1})-V_{\pi_\theta}({s_t})ψt=rt+γVπθ(st+1)−Vπθ(st)详细请参考动手学强化学习简单来说就是
NoahBBQ·2024-01-06 17:17

ChatGPT 原来是这样工作的（下）

从人类的反馈中进行强化学习ReinforcementLearningfromHumanFeedback方法总体包括三个不同的步骤：有监督的调优预训练的语言模型在相对少量
城北楠哥·2024-01-06 15:45

【实践】Angel深度学习在广告推荐训练优化中的实践.pdf（附下载链接）

2、从零开始搭建创业公司后台技术栈3、全民K歌推荐系统算法、架构及后台实现4、微博推荐算法实践与机器学习平台演进5、腾讯PCG推荐系统应用实践6、强化学习算法在京东广告序列推荐场景的应用7、飞猪信息流内容推荐探索
智能推荐系统·2024-01-06 12:25

【MLOps】使用Ray缩放AI

在这里，我将介绍Ray，并介绍如何使用Ray扩展大型语言模型（LLM）和强化学习（RL），然
架构师研究会·2024-01-06 01:59

第10天强化学习:6月9日厥阴病篇吕文珍总结

1，厥阴病第一个特点是寒气往下掉，热气往上面冲，既上焦上火、下焦寒的状态，寒热错杂。厥、热互打，厥胜一场热胜一场。正如张仲景提出，如果这个人得厥阴病，会发高烧，然后燥热，五六日后手脚冰冷，拉肚子五六日。这样热几天冷几天，热几天冷几天。厥热胜复。2，厥阴第二个特点:情志性格问题。就是现在的人都好辩，有一个好辩的头脑！好辩的是实非常伤一个人的厥阴风木之气。那种情绪问题很多，控制欲非常强的那种肝实的人得
吕文珍520·2024-01-05 22:03

论文笔记：Accurate Map Matching Method for Mobile Phone Signaling Data Under Spatio-Temporal Uncertainty

IEEETRANSACTIONSONINTELLIGENTTRANSPORTATIONSYSTEMS20231intro1.1背景1.1.1GPS、CDR与MSD数据之前的地图匹配主要是针对GPS数据GPS数据在全球范围内可用且在定位上相对精确然而，GPS也存在一些局限性作为主动生成的数据，GPS耗能大由于需要主动收集，GPS可能无法随时随地获得——>以上两点都限制了GPS数据的规模蜂窝详细记录(
UQI-LIUWJ·2024-01-05 19:13

04 supervised learning

unspervisedlearningclustering（聚类算法）Anomalydetection（异常检测）RecommenderSystems（推荐系统）ReinforcementLearning（强化学习
叮咚Zz·2024-01-05 14:39

麻黄升麻汤与干姜芩连人参汤90天强化学习–周丹

麻黄升麻汤。伤寒六七日，大下后，寸脉沉而迟，手足厥逆，下部脉不至，咽喉不利，唾脓血，泄利不止者，为难治，人参附子汤主之。不差，复以人参干姜汤与之。人参附子汤方。人参二两附子一枚干姜二枚（炮）半夏半升阿胶二两柏叶三两右六味，以水六升，煮取二升，去滓，纳胶烊消。温服一升，日再服人参干姜汤方。人参二两附子一枚干姜三两桂枝二两（去皮）炙草二两（炙）右五味，以水二升，煮取一升，去滓。温顿服之。伤寒四五日，腹
经方临证经验录·2024-01-05 13:59

百川2-大模型-论文笔记

文章目录0.资料预览1.模型特点速览2.模型效果对比2.1对比BaiChuan12.2对比其它开源模型2.2.1通用基准测试-整体对比2.2.2垂直领域测试2.2.2.1法律2.2.2.2数学、编码2.2.2.3多语言领域3.预训练数据3.0数据分布3.1数据源3.2数据处理3.2.1预训练数据处理流程4.模型结构&预训练4.0基础结构4.1输入4.1.1词表4.1.2字符编码4.1.3位置编码4
ding_zhikai·2024-01-05 07:37

深度学习 | 多模态算法

一、InstructGPT模型1、GPT系列回顾chatGPT和InstructGPT都使用了指示学习和基于人工反馈的强化学习来指导模型的训练，不同点仅仅是在采集数据的方式上有所差异。
西皮呦·2024-01-04 22:49
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他