强化学习（RL）

用通俗易懂的方式解释强化学习

强化学习是一种机器学习方法，可以想象成教电脑通过“试错”的方式学习如何完成某项任务。我们可以用一个非常简单的例子来理解：训练一条狗做特定的动作，比如说“坐下”。
ALGORITHM LOL·2024-02-08 22:25

【RL】Bellman Equation （贝尔曼等式）

Lecture2:BellmanEquationStatevalue考虑grid-world的单步过程：St→AtRt+1,St+1S_t\xrightarrow[]{A_t}R_{t+1},S_{t+1}StAtRt+1,St+1ttt,t+1t+1t+1：时间戳StS_tSt：时间ttt时所处的stateAtA_tAt：在stateStS_tSt时采取的actionRt+1R_{t+1}Rt+
大白菜～·2024-02-08 10:29

使用强化学习快速让AI学会玩贪食蛇游戏(轻量级二十分钟训练+代码)

如何让AI玩会贪食蛇，甚至比你厉害概述构建问题(强化学习求解的一般步骤)环境动作定义状态定义奖励设计训练奖励值收敛图采用第4种状态定义方法初步训练效果最终训练效果模型泛化迁移能力代码概述所用技术：强化学习
Y. F. Zhang·2024-02-08 09:24

AI大模型开发架构设计（10）——AI大模型架构体系与典型应用场景

GPT助手训练流程横向来看，分为四步：预训练（无监督、99%算力+时间）、有监督微调、奖励模型、强化学习纵向来看，每一部分
讲文明的喜羊羊拒绝pua·2024-02-08 07:45

强化学习 | 基于 Q-Learning 算法解决 Treasure on Right 游戏

在本篇技术博客中，我们将探讨如何使用Q-Learning算法来解决TreasureonRight游戏，实现一个简单的强化学习。
半亩花海·2024-02-08 06:42

【伤寒强化学习训练】打卡第八十天 一期90天

黄芪桂枝五物汤及黄芪的药性（续）五痔鼠瘘为什么痔疮的方子都用到黄芪，那是因为临床在处理痔疮的时候都会遇到一个问题，就是痔疮的患者肛门的地方肿起来的感觉，都会掺杂着另外一件事情——脱肛；痔疮的湿热，跟风气的湿、热、风，三种东西混在一起的时候，清热药在上面铲来铲去都铲不到它，从人体的内部的角度来看，要治痔疮，必须要用一些药物把痔疮里的脏东西提上来，治疗脱肛、痔疮提一下的药物是需要的，所以黄芪本来就是一
A卐炏澬焚·2024-02-07 18:53

Google DeepMind最新研究，将视觉语言大模型作为强化学习的全新奖励来源

论文题目：Vision-LanguageModelsasaSourceofRewards论文链接：https://arxiv.org/abs/2312.09187在大型语言模型（LLM）不断发展的进程中，强化学习扮演了重要的角色
TechBeat人工智能社区·2024-02-07 17:51

[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

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，谢谢支持如果你感觉对你有所帮助，请关注我，每日准时为你推送最新论文。为了答谢各位网友的支持，从今日起免费为300名读者提供订阅主题论文服务，只需VX关注公号并回复{邮箱+论文主题}（如：[email protected]+chatgpt@largelanguagemodel@LLM）,主题必须是同一个领域，最多三个关键词
晓理紫·2024-02-07 16:41

[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

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，谢谢支持如果你感觉对你有所帮助，请关注我，每日准时为你推送最新论文。为了答谢各位网友的支持，从今日起免费为300名读者提供订阅主题论文服务，只需VX关注公号并回复{邮箱+论文主题}（如：[email protected]+chatgpt@largelanguagemodel@LLM）,主题必须是同一个领域，最多三个关键词
晓理紫·2024-02-07 16:11

【自然语言处理】微调 Fine-Tuning 各种经典方法的概念汇总

自然语言处理】微调Fine-Tuning各种经典方法的概念汇总前言请看此微调Fine-TuningSFT监督微调（SupervisedFine-Tuning）概念：监督学习，无监督学习，自监督学习，半监督学习，强化学习的区别概念
溢流眼泪·2024-02-07 07:11

Gumbel-Softmax简介

一、GumbelSoftmaxtrick的使用场景1.argmax简介在NLP领域的强化学习或者对抗学习中，token的生成是离散的。
大白菜～·2024-02-07 04:55

【RL】Basic Concepts in Reinforcement Learning

Lecture1:BasicConceptsinReinforcementLearningMDP(MarkovDecisionProcess)KeyElementsofMDPSetState:ThesetofstatesS\mathcal{S}S（状态S\mathcal{S}S的集合）Action:thesetofactionsA(s)\mathcal{A}(s)A(s)isassociatedf
大白菜～·2024-02-07 04:24

Arxiv网络科学论文摘要15篇(2020-10-21)

考虑拓扑的图池化网络;因果网络模体：识别A/B测试中的异构溢出效应;关系事件模型与逆强化学习之间的联系，用于表征群体互动序列;不能通过外表来判断用户：了解社交媒体研究中多模式处理中的危害;气候讨论中推文的传播
ComplexLY·2024-02-06 23:53

强化学习精要：核心算法与TensorFlow实现

强化学习精要：核心算法与TensorFlow实现思维导图防止博客图床图片失效，防止图片源站外链：http://www.processon.com/chart_image/5d305e80e4b0d11c890873d4
爱红旗渠·2024-02-06 22:58

4种不同类别的机器学习概述

LeonardoDeMarchi），劳拉·米切尔(LauraMitchell)来源：大数据DT（ID：hzdashuju）我们可以根据算法执行学习的方式将它们分为以下不同类别：有监督学习无监督学习半监督学习强化学习
大数据v·2024-02-06 19:44

深度强化学习系列【1】- 强化学习的背景、基础理论等

深度强化学习系列【1】-强化学习的背景、基础理论等1.深度强化学习的背景、发展与理论变迁1.1序1.2AlphaGo的崛起1.3Waymo(谷歌收购)加州公共道路无人驾驶项目获批1.4关于生物的神经元数
cnjs1994·2024-02-06 17:52

AVL树

这种失去平衡的可以概括为4种姿态：LL(左左)，LR(左右)，RR(右右)和RL(右左)。
土豆有点·2024-02-06 17:30

深度强化学习基础【1】-动态规划问题初探（leetcode算法的63题-不同路径II）

通过这篇博客可以使得读者更加了解强化学习关于动态规划方面的基础知识。
cnjs1994·2024-02-06 17:20

Redis面试题43

深度学习和强化学习等技术将继续发展，以应对更高级的任务和挑战。自主决策和自主行动：人工智能系统将变得更加自主和灵活，能够进行自主决策和自主行动。这将有助于实现更智能的机器人和自动驾驶汽车等应用，
CrazyMax_zh·2024-02-06 13:17

DQN的理论研究回顾

DQN的理论研究回顾1.DQN简介强化学习（RL）（Reinforcementlearning:Anintroduction,2nd,ReinforcementLearningandOptimalControl
Jay Morein·2024-02-06 12:50

操作股票的强化学习实现

实现一个操作股票的强化学习模型需要几个关键步骤。以下是一个基本的实现流程：1.环境设定首先，我们需要定义一个环境，该环境会模拟股票市场的动态。
路人与大师·2024-02-06 07:34

[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

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，谢谢支持如果你感觉对你有所帮助，请关注我，每日准时为你推送最新论文。为了答谢各位网友的支持，从今日起免费为300名读者提供订阅主题论文服务，只需VX关注公号并回复{邮箱+论文主题}（如：[email protected]+chatgpt@largelanguagemodel@LLM）,主题必须是同一个领域，最多三个关键词。解释权
晓理紫·2024-02-05 14:37

[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

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，谢谢支持如果你感觉对你有所帮助，请关注我，每日准时为你推送最新论文。为了答谢各位网友的支持，从今日起免费为300名读者提供订阅主题论文服务，只需VX关注公号并回复{邮箱+论文主题}（如：[email protected]+chatgpt@largelanguagemodel@LLM）,主题必须是同一个领域，最多三个关键词
晓理紫·2024-02-05 14:04

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（八）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第十八章：强化学习强化学习（RL）是当今最激动人心的机器学习领域之一
绝不原创的飞龙·2024-02-05 10:10

【伤寒强化学习训练】打卡第九十三两天

10.4.2心下痞VS阳明蓄水VS脾约VS五苓散（桂林本9-68条）【9.68】太阳病，寸缓、关浮、尺弱，其人发热汗出，复恶寒，不呕，但心下痞者，此以医下之。如其未下，病人不恶寒而渴者，此转属阳明也。小便数者，大便必鞕，不更衣十日，无所苦也。渴欲饮水者，少少与之，以法救之；渴而饮水多、小便不利者，宜五苓散。五苓散方猪苓十八铢白术十八铢茯苓十八铢泽泻一两六铢桂枝半两（去皮）右五味为散，白饮和服方寸匙
A卐炏澬焚·2024-02-05 08:14

PyTorch 2.2 中文官方教程（八）

训练一个玛丽奥玩游戏的RL代理原文：pytorch.org/tutorials/intermediate/mario_rl_tutorial.html译者：飞龙协议：CCBY-NC-SA4.0注意点击这里下载完整的示例代码作者
绝不原创的飞龙·2024-02-05 08:45

day18-三剑客-sed

E支持扩展正则egrep-w按照单词匹配-A显示grep找出的内容下几行-B显示grep找出的内容上几行-C同时显示grep找出的内天上下几行-l过滤时只显示文件名不显示内容-R递归进行过滤grep-Rl'oldboy
杨丶子·2024-02-05 06:10

深度强化学习——基本概念(1)

一、基本概念1、状态、动作、智能体可以认为状态就是第一张图的环境，虽然状态和observation还是有区别智能体Agent是马里奥，动作Action就是上下左右的运动2、策略函数（policyΠ）强化学习的重点就是求出这个策略函数
Tandy12356_·2024-02-05 02:19

OpenAI Gym 高级教程——深度强化学习库的高级用法

PythonOpenAIGym高级教程：深度强化学习库的高级用法在本篇博客中，我们将深入探讨OpenAIGym高级教程，重点介绍深度强化学习库的高级用法。
Echo_Wish·2024-02-05 02:49

什么？70 位顶尖测试工程师被 AI 击败（上）

我花了非常多的时间和精力去研究如何让机器使用神经网络、聚类、或者强化学习技术去执行测试用例，这是一项非常繁重的工作。不过从某种程度上这也是相对重复的工作。
泰斯特_·2024-02-05 00:24

leetcode167 两数之和 II - 输入有序数组

167.两数之和II-输入有序数组](https://leetcode.cn/problems/two-sum-ii-input-array-is-sorted/)1.解法：双指针定义两个指针分别l,rl
南方乌鸦·2024-02-04 20:32

H12-831_206

A.Rl的设备类型肯定不是Level-1B.R1有6条IS-IS的IPv6路由C.R1没有IS-IS的IPv6路由D.R1的GigabitEthernetO/0/1一定使能了IS-ISIPv6答案：ABD
cn_1949·2024-02-04 10:00

一文打通RLHF的来龙去脉

文章目录1.RLHF的发展历程2.强化学习2.1强化学习基本概念2.2强化学习分类2.3PolicyGradient2.3.1addabaseline2.3.2assignsuitablecredit2.4TRPO
orangerfun·2024-02-04 02:55

【博士论文】连接状态和行动:迈向持续强化学习

来源：专知本文为论文介绍，建议阅读5分钟这篇论文的目标是通过交互学习来提高AI代理的知识表示能力，使其能够有效地规划并适应环境中的变化。这篇论文的目标是通过交互学习来提高AI代理的知识表示能力，使其能够有效地规划并适应环境中的变化。论文的贡献横跨三个主题：学习和利用选择性注意力、时间抽象和可供性；目标是获得促进规划、超出分布泛化和快速适应的知识表示。本工作的一个中心假设是，桥接状态和行动对于强化学
数据派THU·2024-02-03 19:46

人工智能概论

从学习模式划分，分为有监督学习、无监督学习和强化学习。监督学习:监督学习是在给定的带标签的数据（也称为训练数据）上进行训练，然后使用这些训练模型对新的、未标记的数据进行分类或预测。
敲代码的小小酥·2024-02-03 19:30

论文阅读-一种用于大规模分布式文件系统中基于深度强化学习的自适应元数据管理方案

名称：AnAdaptiveMetadataManagementSchemeBasedonDeepReinforcementLearningforLarge-ScaleDistributedFileSystemsI.引言如今，大型集群文件系统的规模已达到PB甚至EB级别，由此产生的数据呈指数级增长。系统架构师不断设计和优化技术和方法，以向用户提供理想的服务。在这种情况下，元数据管理在提高系统性能中扮
向来痴_·2024-02-03 17:59

【《伤寒论》强化学习训练】打卡第28天，一期目标90天

一、桂枝的药性：味辛温、无毒，有辣味，它的性子是温的。“治上气咳逆，结气，喉痹，吐吸，利关节，补中益气，”。桂枝是能够补并且能够通身体的阴中之阳的药，就是血管、脉管里面的这个能量，所以桂枝通常会取它这个通阳的效果.单吃桂枝这味药，吃了以后，身体很多原来阻隔不通的能量会贯穿起来。吐吸形容一个人感觉自己的呼吸很浅，因为不好的能量占据身体的哪个部位形成“结气”，这个部分的感知力就会下降，有能量被封住，所
最闪亮的那颗星_b02d·2024-02-03 16:20

神经网络模型设计的方法和技巧

设计神经网络模型涉及多个关键步骤和技巧，以下是一些通用的策略和注意事项：明确任务需求：确定目标：是分类、回归、生成式建模还是强化学习等。
科学禅道·2024-02-03 11:56

从编程中理解：大脑的成瘾行为

从编程的角度来看，我们可以将大脑的成瘾行为模型化为一种反馈循环系统，其中包含激励、奖赏、强化学习等机制。以下是一个用UnityC#代码模拟金庸武侠小说中人物成瘾行为的例子，并结合故事进行解说。
TechCreator·2024-02-03 11:46

知识图谱嵌入学习在推理方法中的应用与挑战

目录前言1关系推理的嵌入模型1.1嵌入模型介绍1.2模型的差异1.3嵌入模型的发展趋势2符号推理与向量推理3嵌入模型的多样性4强化学习与挑战5元关系学习结论前言在人工智能领域，推理一直是关键任务之一。
cooldream2009·2024-02-03 10:29

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·2024-02-03 05:38

AIGC专题：生成式AI（GenAI）赋能供应链之路

它是在一个基础上训练的--一个由来自多个来源的数十亿个单词组成的模型，并通过从人类反馈中得到的强化学习进行微调型号(LLM)：在大量文本上进行训练的La
人工智能学派·2024-02-03 02:07

用通俗易懂的方式讲解：一文详解大模型 RAG 模块

索引模块块优化滑动窗口从小到大元数据附加结构化组织层次化索引知识图谱文档组织预检索模块查询扩展多查询子查询CoVe查询转换重写HyDE查询路由元数据路由器/过滤器语义路由器查询构建检索模块检索模型选择稀疏检索器密集检索器检索器微调SFT（自我训练）LSR（语言模型监督检索器）RL
Python算法实战·2024-02-03 01:43

Python 实战人工智能数学基础：强化学习

1.背景介绍强化学习（ReinforcementLearning，简称RL）是一种人工智能技术，它旨在让计算机代理在与环境的交互中学习如何执行行动，以最大化累积奖励。
Python人工智能大数据·2024-02-02 20:46

机器学习---强化学习---目前的坑

微尘强化学习MAB嗑盐ing；nlp/推荐系统预备卒53人赞同了该回答深度强化学习~1.深度强化学习可能是非常采样低效的（sampleinefficient）：强化学习也有其规划谬误，学习一个策略通常需要比想象更多的样本
Iverson_henry·2024-02-02 16:40

OpenAI Gym 中级教程——强化学习实践项目

PythonOpenAIGym中级教程：强化学习实践项目在本篇博客中，我们将通过一个实际项目来演示如何在OpenAIGym中应用强化学习算法。
Echo_Wish·2024-02-02 16:22

OpenAI Gym 中级教程——环境定制与创建

PythonOpenAIGym中级教程：环境定制与创建OpenAIGym是一个强化学习算法测试平台，提供了许多标准化的环境供用户使用。然而，有时候我们需要定制自己的环境以适应特定的问题。
Echo_Wish·2024-02-02 16:52

OpenAI Gym 中级教程----深入解析 Gym 代码和结构

PythonOpenAIGym中级教程：深入解析Gym代码和结构OpenAIGym是一个用于开发和测试强化学习算法的工具包。
Echo_Wish·2024-02-02 16:52

OpenAI Gym 中级教程——多智能体系统

PythonOpenAIGym中级教程：多智能体系统在强化学习中，多智能体系统涉及到多个智能体相互作用的情况。
Echo_Wish·2024-02-02 15:21

新书速览|PyTorch 2.0深度学习从零开始学

实战中文情感分类、拼音汉字转化、中文文本分类、拼音汉字翻译、强化学习、语音唤醒、人脸识别01本书简介本书以通俗易懂的方式介绍PyTorch深度学习基础理论，并以项目实战的形式详细介绍PyTorch框架的使用
全栈开发圈·2024-02-02 12:46
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他