强化学习论文笔记

深度强化学习DQN系算法理解

致谢进行DQN方法整理时，主要对原文进行了学习，并参考了几位作者的笔记，在此一并表示感谢。索引网页如下：https://www.jianshu.com/p/6fe18d0d8822https://www.jianshu.com/p/0fb311d96da4https://www.cnblogs.com/pinard/p/9797695.htmlhttps://blog.csdn.net/mike1
静斋·2024-01-20 17:26

Datawhale 强化学习笔记(二）马尔可夫过程，DQN 算法

文章目录参考马尔可夫过程DQN算法（DeepQ-Network）如何用神经网络来近似Q函数如何用梯度下降的方式更新网络参数强化学习vs深度学习提高训练稳定性的技巧经验回放目标网络代码实战DQN算法进阶DoubleDQNDuelingDQN
RessCris·2024-01-20 17:54

【人工智能】之深入理解 AI Agent：超越代码的智能助手(2)

这些代理通常基于强化学习、监督学习或其他机器学习方法，通过不
魔道不误砍柴功·2024-01-20 13:38

（9-3）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：数据预处理

1.1.6数据预处理数据预处理是训练高质量机器学习模型的关键步骤，在这一步需要检查缺失数据并进行特征工程，以将数据转换为适合模型训练的状态。本项目的数据预处理江湾城以下工作：添加技术指标：在实际交易中，需要考虑各种信息，例如历史股价、当前持仓股票、技术指标等。本文演示了两个趋势跟踪技术指标：MACD和RSI。添加紧急指数：风险厌恶反映了投资者是否选择保留资本，它还在面对不同市场波动水平时影响交易策
码农三叔·2024-01-20 09:21

（9-4）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：构建交易环境

9.7构建交易环境考虑到自动股票交易任务的随机性和互动性，在本项目中将金融任务建模为马尔可夫决策过程（MarkovDecisionProcess，MDP）问题。在训练过程观察股价的变化、执行操作以及奖励计算，使代理根据奖励调整其策略。通过与环境互动，交易代理将制定随着时间推移而最大化奖励的交易策略。本项目的交易环境基于OpenAIGym框架实现，根据时间驱动模拟的原则模拟实时股票市场，使用真实的市
码农三叔·2024-01-20 09:21

（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

【论文笔记合集】TimesNet之FFT详解

本文作者：slience_me文章目录TimesNet之FFT详解1.源代码2.分步详解2.1torch.fft.rfft(x,dim=1)2.2frequency_list=abs(xf).mean(0).mean(-1)2.3frequency_list[0]=02.4_,top_list=torch.topk(frequency_list,k)2.5top_list=top_list.det
slience_me·2024-01-20 08:18

【论文笔记合集】TimesNet之TimesBlock详解

本文作者：slience_me文章目录TimesNet之TimesBlock详解1.源代码2.分步详解2.1init部分代码2.2forward部分代码TimesNet之TimesBlock详解1.源代码classTimesBlock(nn.Module):def__init__(self,configs):super(TimesBlock,self).__init__()self.seq_len
slience_me·2024-01-20 08:16

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

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

行为检测论文笔记【综述】基于深度学习的行为检测方法综述

摘要:行为检测在自动驾驶、视频监控等领域的广阔应用前景使其成为了视频分析的研究热点。近年来，基于深度学习的方法在行为检测领域取得了巨大的进展，引起了国内外研究者的关注，对这些方法进行了全面的梳理和总结，介绍了行为检测任务的详细定义和面临的主要挑战;从时序行为检测和时空行为检测2个方面对相关文献做了细致地分类，综合分析了每一类别中不同研究方法的思路和优缺点，并阐述了基于弱监督学习、图卷积神经网络、注
计算机视觉-杨帆·2024-01-20 03:26

[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

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

【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

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

Multi Diffusion: Fusing Diffusion Paths for Controlled Image Generation——【论文笔记】

本文发表于ICML2023论文官网：MultiDiffusion:FusingDiffusionPathsforControlledImageGeneration一、Intorduction文本到图像生成模型已经具有合成高质量和多样化图像的能力，但是由于难以为用户提供对生成内容的直观控制，因此将文本到图像模型部署到现实世界的应用程序仍然具有挑战性。目前实现对扩散模型实现可控的图像生成主要有两种方式
我是浮夸·2024-01-19 08:50

Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models——【论文笔记】

本文是发表于SIGGRAPH（SpecialInterestGrouponComputerGraphicsandInteractiveTechniques）上的一篇文字，被收录于ACMTrans.Graph。论文地址：参与和激励(yuval-alaluf.github.io)一、Intorduction这部分主要就是说，最新的基于文本的图像生成研究已经取得了前所未有的进展，能够生成多样化和创造性的
我是浮夸·2024-01-19 08:20

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

Multi-Concept Customization of Text-to-Image Diffusion——【论文笔记】

本文发表于CVPR2023论文地址：CVPR2023OpenAccessRepository(thecvf.com)Github官方代码地址：github.com一、Intorduction最近的文本到图像模型能够根据文本提示生成高质量的图像，可以覆盖广泛的物体、风格和场景。尽管这些模型具有多样的通用功能，但用户通常希望从他们自己的个人生活中综合特定的概念。例如，亲人，如家人，朋友，宠物，或个人物
我是浮夸·2024-01-19 08:13

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

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

【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

【论文笔记】AFGRL:Augmentation-Free Self-Supervised Learning on Graphs(简要笔记供复习使用)

AFGRL:Augmentation-FreeSelf-SupervisedLearningonGraphs文献地址：Augmentation-FreeSelf-SupervisedLearningonGraphsMotivation图对比的正例对构造对增强方法敏感，由于图包含了语义信息和结构信息，因此在对边进行不同增强方法时，可能会影响其语义对不同数据分布的数据集，模型增强的参数需要分别进行调整
好想变有钱535·2024-01-18 07:59

【论文笔记】Do Transformers Really Perform Bad for Graph Representation（简要笔记供复习使用）

DoTransformersReallyPerformBadforGraphRepresentation论文地址：DoTransformersReallyPerformBadforGraphRepresentation一句话paper：利用度，最短路径增强的GraphTransformerMotivation原有将transformer应用于图的效果并不好节点重要性，图结构性信息往往在目前的工作中
好想变有钱535·2024-01-18 07:28

【论文笔记】BGRL：Large-Scale Representation Learning on Graphs via Bootstrapping（简要笔记供复习使用）

BGRL:Large-ScaleRepresentationLearningonGraphsviaBootstrapping文章地址：Large-ScaleRepresentationLearningonGraphsviaBootstrappingMotivation现有自监督学习的方法大多需要大量的负样本和大规模的数据增强，而选择负样本的原则的缺失导致负样本不一定会增加模型精度，尤其是在大模型中
好想变有钱535·2024-01-18 07:28

【论文笔记】ImGCL：Revisiting Graph Contrastive Learning on Imbalanced Node Classification（简要笔记供复习使用）

ImGCL：RevisitingGraphContrastiveLearningonImbalancedNodeClassification论文地址：RevisitingGraphContrastiveLearningonImbalancedNodeClassification.pdfContribution利用一个自适应采样策略的对比学习框架解决了数据集不平衡（长尾数据集）的性能受限问题，具体来
好想变有钱535·2024-01-18 07:51

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

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
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他