强化学习RL

pytorch_car_caring 排坑记录

正好我还要用到RL做这个任务的代码，就在github上看了下，发现有几个，打算都跑跑，看谁效果好，代码又干净，就用谁的。本菜鸡
Debug的魔法小马·2024-02-02 09:51

2021-06-14

现在对本学期的学习与工作回顾总结如下：一、“问渠哪得清如许，为有源头活水来”——加强理论学习强化学习意识
风清云静的海角·2024-02-02 07:04

机器学习和模型训练的浅谈

机器学习涵盖了多种算法和技术，如监督学习、无监督学习、强化学习等。简单来说，机器学习关注的是如何从数据中“学习”知识或模式，以便进行预测或决策。而模型训练则是机器学习中的一个具体步骤，它涉及到使用已
MarkHD·2024-02-02 03:17

学习型三月六日

上午烧电焊，电流过大，焊接过热自动跳闸了下午看了一个多小时书，有三四个题目，一个强化学习，用于机器，人工智能。一个360度全景摄影一个基因疗法
貔貅少年·2024-02-02 00:28

【具身智能】论文系列解读-RL-ViGen & ArrayBot & USEEK

1.RL-ViGen：视觉泛化的强化学习基准RL-ViGen:AReinforcementLearningBenchmarkforVisualGeneralization0摘要与总结视觉强化学习（VisualRL
JackCrum·2024-02-01 22:05

深度强化学习（王树森）笔记11

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·2024-02-01 20:38

时空AI技术：深度强化学习在智能城市领域应用介绍

深度强化学习是近年来热起来的一项技术。深度强化学习的控制与决策流程必须包含状态，动作，奖励是三要素。在建模过程中，智能体根据环境的当前状态信息输出动作作用于环境，然后接收到下一时刻状态信息和奖励。
JUST极客·2024-02-01 18:30

深度学习的数据集制作、标注、处理相关软件

OpenAIGym描述：OpenAIGym提供了一套针对强化学习算法
jjm2002·2024-02-01 16:59

[晓理紫]每日论文分享(有源码或项目地址、中文摘要)--强化学习、模仿学习、机器人

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
晓理紫·2024-02-01 15:24

[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·2024-02-01 15:24

IAR Embedded Workbench for Renesas RL78 version 4.21.1

IAR系统公司最近发布了适用于瑞萨RL78的IAR嵌入式工作台的新版。该版本包括主要的新功能，可简化基于瑞萨低功耗RL78微控制器的应用程序的开发并提高代码质量控制。
微波家园·2024-02-01 15:18

瑞萨RL78G12系列单片机使用IAR软件进行仿真设置及与E2接线

目录一、单片机与仿真器连接二、IAR软件在线仿真使用手册一、单片机与仿真器连接E1引脚接线图RL78系列单片机的GND接仿真器的pin2、pin12、pin14RL78系列单片机的VDD接仿真器的pin8RL78
ManGo CHEN·2024-02-01 15:48

使用Isaac Gym 来强化学习mycobot 机械臂执行抓取任务

当尝试使用机器人进行深度强化学习时，在物理机器上准备大量训练数据可能具有挑战性。但是，使用模拟器，很容易收集大量数据集。然而，对于那些不熟悉它们的人来说，模拟器可能看起来令人生畏。
大象机器人·2024-02-01 13:57

模拟电路-滤波器-LC滤波器的思考总结

;BB阻抗变换1，LC滤波器的阻抗变换CC群延迟特性1，“加大切比雪夫型LPF的通带起伏程度有利于获得更加陡峭的截止特性，但同时会使群延迟特性和匹配性变差通带内起伏量（db）=-10log（1-Γ²）Rl
用户昵称100·2024-02-01 13:18

6月24日《伤寒论》强化学习24天。

一病有发热恶寒者发于阳也。无热恶寒者发于阴也发于阳七日愈发于阴六日愈以阳数七阴数六故也。①怕冷有烧代表抵抗力有在抗病，而且激烈抗病，身体整个动力的系统被开机称之为阳。②怕冷又不发烧明显没有比较激烈的抗病样子。这个人的动力系统没有被开启。免疫系统以一种比较消极的方式在承受称之为阴。二成数六七解。《辅行诀》用药的结构“阳进为补其数七火数也，阴退为泄其数六水数也”。①火数水数所谓五行成数。②大泻某个脏的
宜美特批发1864880366·2024-02-01 12:07

【深度学习：机器学习模型】如何构建您的第一个机器学习模型

【深度学习：机器学习模型】如何构建您的第一个机器学习模型第1步：将您的机器学习项目置于情境中第2步：探索数据并选择机器学习算法的类型监督学习无监督学习强化学习第3步：数据收集第4步：选择模型评估方法维护保留验证集
jcfszxc·2024-02-01 11:59

对齐大型语言模型与人类偏好：通过表示工程实现

1、写作动机：强化学习表现出相当复杂度、对超参数的敏感性、在训练过程中的不稳定性，并需要在奖励模型和价值网络中进行额外的训练，导致了较大的计算成本。
Ly大可爱·2024-02-01 11:53

多智能体强化学习综述阅读笔记

多智能体强化学习1本文的目的本文是探索多智能体强化学习领域的一些论文的翻译和总结，更多会偏向开源的代码，便于实现，另外根据我的方向，对于论文的选择会具有一定的倾向，一些方面可能介绍的不是很完全。
ustc懒苗·2024-02-01 06:17

人工智能与机器学习——开启智能时代的里程碑

写在前面前言人工智能与机器学习的概述监督学习、无监督学习和强化学习的基本原理监督学习：无监督学习：强化学习：机器学习的算法和方法常见的机器学习算法和方法线性回归：决策树：支持向量机：神经网络：人工智能与机器学习的应用领域人工智能与机器学习的未来发展结论
洁洁！·2024-02-01 01:32

强化学习-论文调研-泛化性能力增强和度量

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
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

数据结构与算法-动态查找表

动态查找表3.1二叉排序树3.1.1二叉排序树的类定义3.1.2二叉排序树的插入和生成3.1.3二叉树的查找3.1.4二叉排序树的删除3.2平衡二叉树3.2.1平衡二叉树的调整方法RR型调整LL型调整RL
一口⁵个团子·2024-01-31 17:27

瑞_数据结构与算法_AVL树

文章目录1什么是AVL树1.1AVL树的背景及定义1.2判断失衡1.2.1平衡因子1.2.2失衡的四种情况1.2.2.1LL1.2.2.2LR1.2.2.3RL1.2.2.4RR1.3解决失衡1.3.1
瑞486·2024-01-31 16:43

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

STM32F7xx Keil5 RTX RL-TCPnet DP83822移植

使用之前RTX工程模板RTE中RL-TCPnet配置暂时全部默认配置，DHCP已打开修改RTE_Device.hETH配置修改DP83822驱动去掉文件只读属性，之后需要修改，添加到工程修改DP83822IDRTE
fyws0123·2024-01-31 11:58

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

alios things开发板_AliOS-Things: AliOS Things AliOS家族旗下面向IoT领域的轻量级物联网嵌入式操作系统AliOS Things将致力于搭建云端一体化IoT基...

家族旗下的、面向IoT领域的、高可伸缩的物联网操作系统，于2017年10月20号宣布在github上开源.架构总览AliOSThings支持多种CPU架构，包括：ARM，C-Sky，MIPS，RISCV，rl78
小仙元·2024-01-29 18:48

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
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他