强化学习---赌博机

强化学习——动态规划法

状态值函数与动作值函数的关系5.贝尔曼方程（动态规划法核心）三、策略评估1.基于状态值函数评估策略2.基于动作值函数评估策略四、策略改进（策略求解）1.基于状态值函数的策略改进2.基于动作值函数的策略改进五、动态规划法与强化学习的联系总结前言关于动态规划法的详
认真听讲的学渣·2023-11-05 20:23

应用于真实世界机器人的强化学习

https://www.toutiao.com/a6687548418732065283/机器人在整个现代工业中都很普遍。与上个世纪的大多数科幻作品不同，类人机器人仍然没有收拾我们的脏盘子和垃圾，也没有施瓦辛格的终结者在战场上作战（至少现在......）。但是，几乎在每个制造工厂中，机器人都在做几十年前人类工作人员过去所做的繁琐和艰巨的工作。机器人的重复而精确的工作能力任何需要在可以仔细控制和监控
喜欢打酱油的老鸟·2023-11-05 20:21

强化学习（二）——动态规划

文章目录Reference1.预测（Prediction）1.1策略评估（IterativePolicyEvaluation）2.控制（Control）2.1策略迭代（PolicyIteration）2.2价值迭代（ValueIteration）2.3比较（Compare）Reference[1]https://github.com/datawhalechina/easy-rl[2]David_S
冠long馨·2023-11-05 20:47

强化学习基础三大优化方法：（一）动态规划

DynamicPlanning）方法（一）策略评估（二）策略迭代1.策略改进2.策略迭代3.迭代算法三、编程实践（一）环境介绍（二）策略编写1.初始化2.价值评估3.策略改进4.其他大佬的冰湖环境动态规划一、简介强化学习是一类解决马尔可夫决策过程的方法
山隆木对·2023-11-05 20:47

强化学习：基于模型的动态规划

强化学习：基于模型的动态规划方法1、最优价值函数2、动态规划方法2.1、策略迭代2.2、值迭代2.2.1、值迭代示例2.3、策略迭代和值迭代的异同1、最优价值函数最优状态价值函数：考虑到这个状态下，可能发生的所有后续动作
weixin_mm975247003·2023-11-05 20:17

强化学习路线规划之深度强化学习代码

虽然说很多代码都有问题，但是不管它们，我不是为了去debug，紧盯住自己的目标，目标是整理出一条通常的强化学习之路，让自己以及看到这些博客的大家在学习的时候能够少走一些弯路。
eyexin2018·2023-11-05 20:16

强化学习的动态规划二

一、典型示例考虑如下所示的4×4网格。图1非终端状态为S={1,2,...,14}。在每个状态下有四种可能的行为，A={up,down,right,left}，这些行为除了会将代理从网格上移走外，其他都会确定性地引起相应的状态转换。因此，例如，p(6|5,right)=1，p(10|5,right)=0，p(7|7,right)=1。这是一个无折扣的、分段的（episodic）任务。在到达终端状态
Older司机渣渣威·2023-11-05 20:15

强化学习的动态规划

经典的DP算法在强化学习中具有有限的实用性，既因为其对完美模型的假设，也因为其巨大的计算费用，但它们在理论上仍然很重要。DP为理解其余部分所介绍的方法提供了必不可少的理论基础。
Older司机渣渣威·2023-11-05 20:14

强化学习的动态规划三

一、策略的改进假设新的贪婪策略π0与旧的策略π效果相当，但并不优于π。由此得出vπ=vπ0，且根据之前的推导可以得出：对于所有的s∈S这与贝尔曼最优方程相同，因此，vπ0是v∗，π和π0是最佳策略。因此，策略改进给我们一个更好的策略，除非原始策略已经是最佳的。迄今为止考虑的是确定性策略的特殊情况。在一般情况下，随机策略π规定了每个状态s下采取每个行动a的概率，即π(a|s)。这些思想都很容易扩展到
Older司机渣渣威·2023-11-05 20:39

蒙特卡洛树搜索算法实现_蒙特卡洛树搜索实现实时学习中的强化学习

wecoveredthefundamentalconceptsofreinforcementlearningandclosedthearticlewiththesetwokeyquestions:在上一篇文章中，我们介绍了强化学习的基本概念
weixin_26630173·2023-11-05 20:29

强化学习笔记（七）：蒙特卡洛树搜索（MonteCarlo Tree Search）

目录选择扩展模拟反向传播课外资料如果说多臂赌博机问题被看做单步强化学习任务（只用一步决策玩哪个老虎机，然后就收到回报），那么蒙特卡洛树搜索可以看做是解决多步强化学习任务的工具。
唠叨小主·2023-11-05 20:27

【伤寒强化学习训练】打卡第四十二天 一期90天

葛根汤概述【7.1】太阳病，项背强几几，无汗、恶风者，葛根汤主之。“太阳病”：脉浮，怕风，头项可能会有点不舒服；怕风、怕冷、脉比较浮，那在太阳病的框架下“项背强几几，无汗恶风”，先把无汗去掉，“太阳病，项背强几几，又恶风”，是桂枝加葛根汤；桂枝汤结构里面再加上四两葛根，可以解掉风寒，又可以把后脑勺僵解掉。桂枝加葛根汤的结构里面再加一味麻黄，麻黄是用来发汗的桂枝加葛根汤：桂枝跟芍药都有减量成2两；葛
A卐炏澬焚·2023-11-05 19:12

【强化学习】16 ——PPO（Proximal Policy Optimization）

文章目录前言TRPO的不足PPO特点PPO-惩罚PPO-截断优势函数估计算法伪代码PPO代码实践参考前言TRPO算法在很多场景上的应用都很成功，但是我们也发现它的计算过程非常复杂，每一步更新的运算量非常大。于是，TRPO算法的改进版——PPO算法在2017年被提出，PPO基于TRPO的思想，但是其算法实现更加简单。并且大量的实验结果表明，与TRPO相比，PPO能学习得一样好（甚至更快），这使得PP
yuan〇·2023-11-05 13:25

【强化学习】17 ——DDPG（Deep Deterministic Policy Gradient）

文章目录前言DDPG特点随机策略与确定性策略DDPG：深度确定性策略梯度伪代码代码实践前言之前的章节介绍了基于策略梯度的算法REINFORCE、Actor-Critic以及两个改进算法——TRPO和PPO。这类算法有一个共同的特点：它们都是在线策略算法，这意味着它们的样本效率（sampleefficiency）比较低。本章将要介绍的深度确定性策略梯度（deepdeterministicpolicy
yuan〇·2023-11-05 13:46

论文浅尝 | KGQR: 用于交互式推荐的知识图谱增强Q-learning框架

为了处理动态用户偏好，研究人员将强化学习(reinforcementlearning，RL)引入到IRS中。然而，RL方法有一个普遍的样本效率问题，即训练有效的推荐策略需要大量的交互数据，
开放知识图谱·2023-11-05 11:07

强化学习基础

资料理论资料：《强化学习》邹伟鬲玲刘昱杓《强化学习原理与python实现》肖智清https://blog.csdn.net/qq_33302004/article/details/115027798代码资料
田彼南山·2023-11-05 02:22

动手学机器学习——数据预处理&线性代数

动手学机器学习1.监督学习2.无监督学习3.强化学习4.入门知识5.数据预处理6.线性代数5.1非降维求和6.2点积6.3矩阵乘法6.3范数1.监督学习判断回归问题的一个很好的经验法则是，任何有关“多少
Philo`·2023-11-05 02:02

4 Tensorflow图像识别模型——数据预处理

机器学习基于学习方式的分类，可分为：监督学习无监督学习强化学习百度百科对监督学习的定义是使用标记数据集来训练算法，以
要开朗的spookypop·2023-11-05 02:01

AI：51-基于深度学习的电影评价

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-04 22:24

LLM系列 | 26：阿里千问Qwen模型解读、本地部署

引言简介预训练数据来源预处理分词模型设计外推能力模型训练实验结果部署实测对齐监督微调(SFT)RM模型强化学习对齐结果(自动和人工评估)自动评估人工评估部署实测总结引言人生自是有情痴，此恨不关风与月。
JasonLiu1919·2023-11-04 18:44

玩儿游戏和刷短视频上瘾，生活的一定很苦逼吧

赌博机、游戏、短视频是典型的时间杀手，他们瞄准的就是有大量空闲时间的用户，能让其在单位
冯光春·2023-11-04 10:10

AI：53-基于机器学习的字母识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-04 06:43

[PyTorch][chapter 61][强化学习-免模型学习1]

前言：在现实的学习任务中，环境其中的转移概率P,奖赏函数R是未知的，或者状态X也是未知的称为免模型学习（model-freelearning）目录：1:蒙特卡洛强化学习2：同策略-蒙特卡洛强化学习3：异策略
明朝百晓生·2023-11-04 04:06

[PyTorch][chapter 60][强化学习-2-有模型学习2]

前言：前面我们讲了一下策略评估的原理,以及例子.强化学习核心是找到最优的策略，这里重点讲解两个知识点：策略改进策略迭代与值迭代最后以下面环境E为例，给出Python代码。
明朝百晓生·2023-11-04 04:36

强化学习（RL）的学习笔记

1.前言（1）PPO的优点PPO（ProximalPolicyOptimization）算法相比其他强化学习方法有几个显著优点：稳定性和鲁棒性：PPO通过限制策略更新的幅度来避免训练过程中的大幅波动，这增加了算法的稳定性和鲁棒性
songyuc·2023-11-04 03:25

【强化学习】13 —— Actor-Critic 算法

文章目录REINFORCE存在的问题Actor-CriticA2C：AdvantageousActor-Critic代码实践结果参考REINFORCE存在的问题基于片段式数据的任务通常情况下，任务需要有终止状态，REINFORCE才能直接计算累计折扣奖励低数据利用效率实际中，REINFORCE需要大量的训练数据高训练方差（最重要的缺陷）从单个或多个片段中采样到的值函数具有很高的方差Actor-Cr
yuan〇·2023-11-04 00:53

【强化学习】14 —— A3C（Asynchronous Advantage Actor Critic）

A3C是一种非常有效的深度强化学习算法，在围棋、星际争霸等复杂任务上已经取得了很好的效果。接下来，我们先从A3C的名称入手，去解析这个算法。
yuan〇·2023-11-04 00:53

【强化学习】12 —— 策略梯度（REINFORCE ）

文章目录前言策略梯度基于策略的强化学习的优缺点Example:AliasedGridworld策略目标函数策略优化策略梯度利用有限差分计算策略梯度得分函数和似然比策略梯度定理蒙特卡洛策略梯度（Monte-CarloPolicyGradient
yuan〇·2023-11-04 00:23

【强化学习】15 —— TRPO（Trust Region Policy Optimization）

文章目录前言TRPO特点策略梯度的优化目标使用重要性采样忽略状态分布的差异约束策略的变化近似求解线性搜索算法伪代码广义优势估计代码实践离散动作空间连续动作空间参考前言之前介绍的基于策略的方法包括策略梯度算法和Actor-Critic算法。这些方法虽然简单、直观，但在实际应用过程中会遇到训练不稳定的情况。回顾一下基于策略的方法：参数化智能体的策略，并设计衡量策略好坏的目标函数，通过梯度上升的方法来最
yuan〇·2023-11-04 00:49

一文速览机器学习的类别（Python代码）

即训练数据的标签信息的差异，可以分为监督学习（supervisedlearning）、非监督学习（unsupervisedlearning）、半监督学习（semi-supervisedlearning）和强化学习
算法进阶·2023-11-03 16:44

强化学习书籍与课程推荐

书籍1.ReinforcementLearning：AnIntroductionSecondEdition【强化学习(第二版)】RichardS.Sutton著视频资源1.深度强化学习课程https:/
小郁同学·2023-11-03 16:02

人工智能大模型技术基础系列之：自动模型搜索与架构优化

作者：禅与计算机程序设计艺术1.简介在深度学习、神经网络、强化学习等领域，大量的机器学习模型被提出，其中最火热的就是深度学习模型。
禅与计算机程序设计艺术·2023-11-03 15:41

AI：49-基于深度学习的杂草识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-03 10:34

第一章 机器学习概述

机器学习）1.1特点1.2对象1.3目的1.4方法1.5步骤2.基本分类2.1监督学习2.1.1输入空间、特征空间和输出空间2.1.2概率分布2.1.3假设空间2.1.4问题的形式化2.2无监督学习2.3强化学习
小酒馆燃着灯·2023-11-03 05:17

强化学习介绍

强化学习的组成要素策略（policy）,奖赏信号reward,值函数valuefunction,以及可选的环境模型modelpolicy定义了agent在一给定时间的决策方式。
woshishengyong·2023-11-03 04:55

强化学习基础之概念介绍

什么是强化学习广泛地讲，强化学习是机器通过与环境交互来实现目标的一种计算方法。
爱你是长久之计~·2023-11-03 04:24

深度强化学习

深度强化学习14.1强化学习问题14.1.1强化学习定义14.1.2马尔可夫决策过程14.1.3强化学习的目标函数14.1.4值函数14.1.5深度强化学习14.2基于值函数的学习方法14.2.1动态规划算法
爱蹦跶的小贺·2023-11-03 04:20

强化学习基础 | 介绍特点、基本要素、组成、智能体

文章目录1.强化学习应用2.强化学习介绍2.1强化学习特点2.2强化学习基本要素2.2.1奖励2.2.2序列决策2.2.3智能体2.3智能体组成2.3.1策略2.3.2价值函数2.3.3模型2.4智能体分类
Qodi·2023-11-03 03:04

AI：46-基于深度学习的垃圾邮件识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-03 02:40

用强化学习，建立自己的学习模式

问题：不知道大家有没有这个感觉，有时候自己想建立一个习惯，但是意志力薄弱。比如看书，还没开始，就会设想出一大堆意外状况，去打消自己做这个事的动力，最后很大程度就是这个习惯不了了之…如何解决该问题？谈谈我自己的经验，我不是个喜欢看书的人，但是我非常仰慕博学多才的人儿，所以我给自己设立了目标：无论刮风下雨，要坚持每天看书，哪怕是5分钟，主要是要培养自己的学习习惯。就是这5分钟，产生了极大的变化。原因：
有一颗做老师的心_刘老师lmz·2023-11-03 00:55

机器学习初步_吴恩达_学习笔记

还有神经网络、支持向量机、无监督学习等模块还没有写，有空了再写1.初始机器学习机器学习的定义最常见的两类机器学习算法有监督学习：我们教会计算机做某件事情无监督学习：我们让计算机自己学习其他类型算法：强化学习
帅小帅家的小吴昊·2023-11-02 23:41

深度学习和强化学习（七）DDPG和基于模型的RL

确定性策略是和随机策略相对而言的，对于某一些动作集合来说，它可能是连续值，或者非常高维的离散值，这样动作的空间维度极大。如果我们使用随机策略，即像DQN一样研究它所有的可能动作的概率，并计算各个可能的动作的价值的话，那需要的样本量是非常大才可行的。于是有人就想出使用确定性策略来简化这个问题。作为随机策略，在相同的策略，在同一个状态处，采用的动作是基于一个概率分布的，即是不确定的。而确定性策略则决定
循梦渡·2023-11-02 23:51

走进人工智能|强化学习 AI发展的未来引擎

前言：强化学习是一种通过智能体与环境交互，通过尝试最大化累计奖励来学习最优行为策略的机器学习方法。文章目录序言背景AI发展的未来引擎技术支持应用领域总结本篇带你走进强化学习！一起来学习了解吧！！！
万物皆可der·2023-11-02 22:46

AI：48-基于卷积神经网络的气象图像识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-02 16:55

AI：50-基于深度学习的柑橘类水果分类

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-02 16:55

学习人工智能需要掌握哪些基础知识，需要具备哪些数学和编程技能？

机器学习基础：了解机器学习算法的基本原理和分类，如监督学习、非监督学习和强化学习等。深度学习基础：了解神经网络的基本结构和工作原理，了解卷积神经网络、循环神经网络、生成对抗网络等深度学习模型。学习人工
程序媛珂珂·2023-11-02 15:41

什么是IPA，和RPA有啥区别和联系？

它涵盖了多种技术和方法，包括：机器学习（MachineLearning）、深度学习（DeepLearning）、自然语言处理（NLP）、计算机视觉（ComputerVision）、强化学习（ReinforcementLearning
夕田知·2023-11-02 14:54

向量嵌入：AutoGPT的幻觉解法？

虽然通过人类反馈的强化学习（RLHF），可以让模型对错误的输出结果进行调整，但在效率和成本上不占优势，况且仅通过RLHF并不能彻底解决问题，由此也限制了模型的实用性。
OneFlow深度学习框架·2023-11-02 11:32

基于值函数逼近的强化学习方法

强化学习的基本方法有：(1)基于动态规划的方法(模型已知)(2)基于蒙特卡罗的方法(模型未知)(3)基于时间差分的方法(模型未知)但是，这些方法有一个基本的前提条件：状态空间和动作空间是离散的，并且且状态空间和动作空间不能太大
北木.·2023-11-02 08:01

书单｜1024程序员狂欢节充能书单！

《强化学习：前沿算
辭七七·2023-11-01 23:59
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他