强化学习-DQN

强化学习-论文调研-泛化性能力增强和度量

1.[ICML2019]QuantifyingGeneralizationinReinforcementLearning文章提出16000多个单智能体闯关游戏CoinRun，通过智能体在分割开的训练环境和测试环境上表现的性能作为RL泛化性的度量。具体而言作者通过”奔跑硬币泛化曲线“（CoinRunGeneralizationCurves）来评价泛化性，训练和测试时关卡等级服从同分布，所以殉难联合测
BIT龙超越·2024-01-31 18:38

AAAI 2020多智能体强化论文

强化学习最新论文汇总如有错误，欢迎指正所引用内容链接Multi-AgentRL1.PartnerSelectionfortheEmergenceofCooperationinMulti‐AgentSystemsusingReinforcementLearning2
rockray21·2024-01-31 18:08

强化学习-google football 实验记录

googlefootball实验记录1.gru模型和dense模型对比实验实验场景：5v5(控制蓝方一名激活球员)，跳4帧，即每个动作执行4次实验点：修复dense奖励后智能体训练效果能否符合预期实验目的：对比gru长度为16和densenet作为aggrator的区别实验效果reward敌方得分我方得分熵实验结论：相较于长度16的gru，densenet作聚合器有益于快速收敛。gru聚合器学到了
BIT龙超越·2024-01-31 18:06

一起学习飞桨 深度强化学习算法DQN

LEARN_FREQ=5#trainingfrequencyMEMORY_SIZE=200000MEMORY_WARMUP_SIZE=200BATCH_SIZE=64LEARNING_RATE=0.0005GAMMA=0.99#trainanepisodedefrun_train_episode(agent,env,rpm):total_reward=0obs=env.reset()step=0w
路人与大师·2024-01-31 18:35

机器学习 强化学习 深度学习的区别与联系

机器学习强化学习深度学习机器学习按道理来说，这个领域（机器学习）应该叫做统计学习（StatisticalLearning），因为它的方法都是由概率统计领域拿来的。
坠金·2024-01-31 12:10

不同的强化学习模型适配与金融二级市场的功能性建议

以下是对您列出的几种强化学习模型的简要概述，以帮助您做出选择：DQN(DeepQ-Network):适合：适用于离散动作空间的强化学习任务。
路人与大师·2024-01-31 09:54

谈一谈深度学习与机器学习

机器学习包括多种方法：除了深度学习，机器学习还包括传统的监督学习、无监督学习、强化学习等方法，这些方法可以使用各种不同的算法和技术。优缺
流浪字节π·2024-01-31 09:07

icra2021 reinforcement learning paper list

reinforcementlearningAutonomousVehicleNavigationDeepReinforcementLearningforMaplessNavigationofaHybridAerialUnderwaterVehiclewithMediumTransition自从在Atari类游戏中将深度Q学习应用于连续动作域以来，用于运动控制的深度强化学习
吃醋不吃辣的雷儿·2024-01-31 08:09

深度强化学习（王树森）笔记09

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-30 09:19

动手学深度学习（一）深度学习介绍1

2.4优化算法：3.各种机器学习问题：3.1监督学习：3.1.1回归：3.1.2分类：3.1.3标记问题：3.1.4搜索：3.1.5推荐系统：3.1.6序列学习：3.2无监督学习：3.3与环境互动：3.4强化学习
Shining0596·2024-01-30 02:32

深度强化学习（王树森）笔记07

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-30 00:53

有关机器学习的两种算法特点

机器学习算法主要有三大类：监督学习、无监督学习和强化学习。监督学习：使用预定义的“训练示例”集合，训练系统，便于其在新数据被馈送
轻雨科技·2024-01-29 17:49

深度强化学习基本概念-王树森课程笔记

学习资料：深度强化学习课程-王树森目录一、概率论知识二、强化学习专业术语三、强化学习的随机性来源1.action2.statetransition四、Rewards,Returns&ValueFuctions1
淀粉爱好者·2024-01-29 12:06

深度强化学习 _Actor-Critic 王树森课程笔记

Actor-CriticMethod一、ValueNetwokandPolicyNetwork1.Policynetwork(Actor):π(a∣s;θ)\pi(a|s;\bm\theta)π(a∣s;θ)2.Valuenetwork(Critic):q(s,a;w)q(s,a;\textbf{w})q(s,a;w)二、训练神经网络1.用TD算法更新价值网络2.用策略梯度算法更新策略网络三、Ac
淀粉爱好者·2024-01-29 12:06

深度强化学习（王树森版）学习笔记（一）——机器学习基础

前言由于本人的工作与深度强化学习相关，想找个机会重新复习下深度强化学习的相关知识，正好手上有这本书，粗略一看感觉知识点挺简洁的，内容也挺全面，也提供了一些学习资料。所以开个坑记录一下这本书的学习过程。
向南而行灬·2024-01-29 12:35

强化学习（王树森）

目录基本概念价值函数目的基本概念**策略函数(policy)**是根据观测到的状态做出决策策略函数π\piπ：S×\times×A→\rightarrow→[0,1]是一个条件概率函数：π\piπ(a|s)=P(A=a|S=s)策略函数的输入是状态s和动作a，输出是一个0到1之间的概率值奖励(reward)是在智能体执行一个动作之后，环境返回给智能体的一个数值状态转移是指当前状态s变成新的状态s’
leukocyten·2024-01-29 12:05

深度强化学习（王树森）笔记06

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-29 12:01

谷歌发布West-of-N，利用合成数据，显著提升LLM奖励模型质量 | 今日Arxiv最热大模型论文

这为改善人类反馈强化学习（RLHF）在语言模型对齐上提供了新的研究方向。引言：人类反馈对语言模型的影响在人工智能领域，语言模型的发展已经达到了令人瞩目的水平，它们能够生成流畅、连贯且在很多
夕小瑶·2024-01-29 12:51

人工智能主要分支

其理论基础包括监督学习、无监督学习、强化学习。支持向量机（SupportVectorMachines）、决策树（Decisi
ByteSage.·2024-01-29 12:52

OpenAI Gym 中级教程——深入强化学习算法

PythonOpenAIGym中级教程：深入强化学习算法OpenAIGym是一个用于开发和比较强化学习算法的工具包，提供了多个环境，包括经典的控制问题和Atari游戏。
Echo_Wish·2024-01-29 10:16

多智能体强化学习（概念知识，不涉及具体算法）

目录一、前置知识1.factoredvaluefunction2.partiallyobservableMDP(POMDP)problem.2.2Decentralized-POMDPproblem2.3networkeddecentralizedpartiallyobservableMarkovdecisionprocesses(ND-POMDP)problem2.4上述两种算法的区别3.Mea
还有你Y·2024-01-29 08:39

多智能体强化学习--理论与算法

**critic网络：**MAPPO的actor和critic网络actor网络：critic网络：QMix(QMIX)VDN(ValueDecompositionNetworks)参考博士论文：基于强化学习的多智能体协同关键技术及应用研究基础概念在单个智能体与部分可观测环境的交互过程一般使用部分可观测马尔可夫决策过程
还有你Y·2024-01-29 08:09

多智能体强化学习--MAPPO(pytorch代码详解)

标题代码详解Actor和Critic网络的设置代码详解代码链接（点击跳转）Actor和Critic网络的设置基本设置：3个智能体、每个智能体观测空间18维。Actor网络：实例化一个actor对象，input-size是18Critic网络：实例化一个Critic对象，input-size是18x3=54在choose_action调用actor网络的时候，传入的直接是三个智能体的参数，tenso
还有你Y·2024-01-29 08:04

解密人工智能：探索机器学习奥秘

文章目录前言一.机器学习的定义二.机器学习的发展历程三.机器学习的原理四.机器学习的分类3.1监督学习3.2无监督学习3.3半监督学习3.4强化学习3.5四种分类对比五.机器学习的应用场景六.机器学习的未来发展趋势全文总结前言机器学习
聆风吟_·2024-01-29 08:25

深度强化学习_AlphaGo 王树森课程笔记

AlphaGo一、游戏规则二、设计思路三、Training1.策略网络1.1State(ofAlphaGoZero)1.2PolicyNetwork1.3BehaviorCloning1.4策略梯度2.价值网络2.1PolicyValueNetworks(AlphaGoZero)2.2训练价值网络四、Execution：MonteCarloTreeSearch1.主要思想2.MCTS步骤2.1St
淀粉爱好者·2024-01-29 03:53

深度强化学习之价值学习-王树森课程笔记

学习资料深度强化学习课程-王树森目录一、Value-basedlearning二、DeepQ-Network(DQN)1.原理2.DQN结构（以超级玛丽为例）3.用DQN操作Agent打游戏三、TemporalDifferenceLearning
淀粉爱好者·2024-01-29 03:23

深度强化学习之策略学习-王树森课程笔记

学习资料深度强化学习课程-王树森目录一、Policy-basedlearning二、PolicyNetwork三、Policy-BasedReinforcementLearning（策略学习）1.用神经网络近似状态价值函数
淀粉爱好者·2024-01-29 03:23

王树森《深度强化学习》学习笔记

基本概念马尔可夫决策过程(MDP)智能体（agent）：强化学习的主体，由谁做动作或决策，谁就是智能体环境（environment）：与智能体交互的对象，可以抽象的理解为交互过程中的规则或机理状态(state
ustb_student·2024-01-29 03:22

深度强化学习（王树森）笔记04

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-29 03:19

【伤寒强化学习训练】打卡第十二天 一期90天

2021.1.12【11.47】厥阴之为病，消渴，气上撞心，心中疼热，饥而不欲食，食则吐蚘，下之，利不止。厥阴病是一个阴阳分裂的病，它跟少阴病是一个不同层面的问题，少阴病的很多问题是在于阳虚，而厥阴病是在阴阳分裂的问题厥阴病特质：寒气往底下掉，热气往上面冲（温热）部分人的舌苔厚而黄，部分人的舌头干干而没有舌苔（偏湿）一直想要喝水却并没有小便不利的状态，上焦发热口渴感觉胸口有东西顶住，又烫又热部分人
A卐炏澬焚·2024-01-28 20:59

文案生成贴心小助手

经过约1T标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62亿参数的ChatGLM-6B已经能生成相当符合人类偏好的回答。✨
会唱歌的炼丹师·2024-01-28 17:59

华为比赛-慧科第一届人工智能应用创新大赛的入门培训的相关学习

前言之前强化学习的课程老师鼓励参加华为云的比赛，慧科杯第一届人工智能应用创新大赛（又想去白嫖GPU的资源）首先大概说一下这个比赛，基于华为ModelArts平台，和之前学习的百度的AIstudio来说，
renyujie518·2024-01-28 13:22

使用强化学习进行神经网络结构搜索的代码以及修改

目录代码一（UsingTensorFlow）：代码二（UsingTensorFlow）：代码三（UsingPyTorch）：参考：本人在网上找了三个相关的代码，但是都有问题，这里记录一下修改哪些地方之后可以跑通。代码一（UsingTensorFlow）：代码地址：https://github.com/wallarm/nascell-automl这个代码有详细的说明：TheFirstStep-by-
ThreeS_tones·2024-01-28 13:43

强化学习（四）动态规划——1

但其在强化学习中实用性有限，其一是它是基于环境模型已知；其二是它的计算成本很大。但它在理论伤仍然很重要，其他的一些算法与动态规划算法（DP）十分相似，只是计算量小及没有假设环境模型已知。
EasonZzzzzzz·2024-01-28 11:44

【机器学习】强化学习（八）-深度确定性策略梯度（DDPG）算法及LunarLanderContinuous-v2环境训练示例...

训练效果DDPG算法是一种基于演员-评论家（Actor-Critic）框架的深度强化学习（DeepReinforcementLearning）算法，它可以处理连续动作空间的问题。
十年一梦实验室·2024-01-28 09:53

击败 8 名人类规划师：清华团队提出强化学习的城市空间规划模型

作者：彬彬编辑：李宝珠，三羊‍清华大学研究团队提出了强化学习的城市社区空间规划模型与方法，并实现了人类规划师与人工智能算法协作的城市规划流程，为智能城市的自动化规划提供了全新思路。
数据派THU·2024-01-28 08:21

强化学习基础篇（五）动态规划之策略迭代（1）

强化学习基础篇（五）动态规划之策略迭代（1）1、如何改善策略（Howtoimproveapolicy）上节中我们讨论了如何使用贝尔曼期望方程进行策略估计,并没有对策略进行改进，而如果我们要解决控制问题，
Jabes·2024-01-28 06:06

学习AIGC大模型必知的强化学习RL的核心代码示例，速进！！！

我们的大模型商业化落地产品更多AI资讯请关注Free三天集训营助教在线为您火热答疑‍在人工智能的发展历程中，强化学习（RL）已成为推动技术突破的关键动力，尤其在自动化内容生成（AIGC）和大型语言模型（
OJAC近屿智能·2024-01-28 06:15

强化学习原理python篇03——贝尔曼最优公式

强化学习原理python篇03——贝尔曼最优公式）例子求解状态值求解行动值贝尔曼最优公式（Bellmanoptimalityequation）定义求解Contractionmappingtheorem步骤例子
WuRobb·2024-01-28 06:12

强化学习原理python篇04——迭代法

强化学习原理python篇04——迭代法Valueiteration数学原理算法步骤实例及python实现policyiteration数学原理算法步骤实例及python实现TruncatedpolicyiterationRef
WuRobb·2024-01-28 06:12

强化学习原理python篇05——蒙特卡罗方法

强化学习原理python篇05——MonteCarloMethods蒙特卡罗方法Ref本章全篇参考赵世钰老师的教材Mathmatical-Foundation-of-Reinforcement-LearningMonteCarloMethods
WuRobb·2024-01-28 06:12

强化学习原理python篇02——贝尔曼公式推导和求解

强化学习原理python篇02——贝尔曼公式概念bootstrapping（自举法）statevalue贝尔曼公式（BellmanEquation）贝尔曼公式以及python实现解法1——解析解解法2—
WuRobb·2024-01-28 06:42

强化学习原理python篇06——DQN

强化学习原理python篇05——DQNDQN算法定义DQN网络初始化环境开始训练可视化结果本章全篇参考赵世钰老师的教材Mathmatical-Foundation-of-Reinforcement-LearningDeepQ-learning
WuRobb·2024-01-28 06:08

[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、视觉语言导航

分类:大语言模型LLM视觉模型VLM扩散模型视觉语言导航VLN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(有中文摘要，源码或项目地址)==LLM==标题:SpeechTokenizer
晓理紫·2024-01-28 05:10

[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

分类:大语言模型LLM视觉模型VLM扩散模型视觉语言导航VLN强化学习RL模仿学习IL机器人开放词汇，检测分割==RL==标题:BeyondTaskPerformance:EvaluatingandReducingtheFlawsofLargeM
晓理紫·2024-01-28 05:38

强化学习入门（更新中......）

废话不多说，此篇文章用于记录强化学习的入门学习过程。环境一：taxi-v3环境描述：出租车载客环境的地图尺寸为5*5，有4个目的地以及5个乘客可能出现的位置。
小雅不采薇·2024-01-28 02:27

使用webots进行强化学习

之前学习强化学习使用的环境是gym,但这毕竟不是长久之计，最后是需要使用机器人仿真的环境进行仿真，这里选择了webots。首先是建立模型。之前使用gym进行过通过控制车体运动来保持杆不倒的训练。
时光@印迹·2024-01-28 02:26

Deepbots 1.0发布：强化学习于Webots

Deepbots是一个开源框架，使Webots中实现强化学习更加容易。Webots提供创建自己的世界和机器人的简易工具，而deepbots则作为将Webots与任何gym兼容的RL代理的接口。
KelvinYang0320·2024-01-28 02:55

深度强化学习在避障轨迹规划中的应用【matlab电气工程】

一、主要内容前基于深度强化学习的避障方法，通常是引入额外的奖励函数，例如当机械臂发生碰撞时给予一个惩罚。
坷拉博士·2024-01-28 02:55

Webots搭建强化学习二轮避障小车（看看吧 蛮详细的）

作为一个刚接触webots数日的新手，来着手使用webots搭建一个二轮小车并实现避障的任务,以及使用webots进行强化学习的尝试。
小雅不采薇·2024-01-28 02:54
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他