强化学习_BW

深度学习基础

深度强化学习教程链接DataWhale强化学习课程JoyRLhttps://johnjim0816.com/joyrl-book/#/ch7/main深度学习基础强化学习的问题可以拆分成两类问题，即预测与控制
数分虐我千百遍·2023-11-22 01:04

学习神经网络模型，用不用学习原理？还是只会用就行了

先来系统概述机器学习，如下述思维导图机器学习下分几种学习方法：如，监督学习、无监督学习、强化学习、深度学习，其中深度学习通过神经网络模型实现，常用的有CNN、RNN、LSTM回到问题，学习神经网络模型，
Nubia00·2023-11-21 14:12

基于MINST数据集做分类的机器学习项目

TensorFlow自定义模型和训练使用TensorFlow加载和预处理数据使用卷积神经网络的深度计算机视觉使用RNN和CNN处理序列使用RNN和注意力机制进行自然语言处理使用自动编码器和GAN的表征学习和生成学习强化学习大规模训练和部署
问题很多de流星·2023-11-21 12:51

大语言模型的三阶段训练

为了训练专有领域模型，选择LLaMA2-7B作为基座模型，由于LLaMA模型中文词表有限，因此首先进行中文词表的扩展，然后进行三阶段训练（增量预训练，有监督微调，强化学习）。
hj_caas·2023-11-21 12:53

Chipseq单端测序数据分析

工作目录mkdir-p~/maos/chipseqcd~/maos/chipseqmkdir{sra,fastq,fastqc,trim,bam,bw,bed,peak,pic}downloadfastqfile
bred·2023-11-21 09:50

亲子时间管理打卡1

打卡日期：2019年/3月/4日30天打卡累计天数：1/30今日音频要点：曹微做个自律健康有序的人，与孩子建立亲子时间管理的生活方式，每天学一点点亲子时间管理，学以致用，强化学习，生命才得已重塑，颠覆性的成长
艺沫格兰尚美·2023-11-21 08:04

大模型LLM相关面试题整理

强化学习：（ReinforcementLearning）一种机器学习的方法，
zhurui_xiaozhuzaizai·2023-11-21 03:40

基于PPO自定义highway-env场景的车辆换道决策

1.场景描述如下图所示，自车（蓝车）与前车（白车）在同一车道行驶，自车初速度为27m/s，前车以22m/s的速度匀速行驶，两车相距80m：目标：自车通过换道，超越前车2.代码实现这里的强化学习采用的是基于
Colin_Fang·2023-11-21 01:40

从性到商业社会，你的愉悦真的来自快感吗？

多巴胺有三个认知功能，运动控制、行为选择和强化学习，目的是为了得到奖励。奖励就是多巴胺的主要作用，呈现方式是愉悦感，而人们为了获得愉悦感，会采取行动。但这种愉悦感会随着
摄影树洞萌萌·2023-11-21 01:53

【强化学习】决策优化问题与Gymnasium环境

强化学习-1老虎机与优化策略老虎机大家应该都玩过看到连成一条线的时候再摁下去，它其实是连不上的，要赢得游戏需要一些策略。
Hellespontus·2023-11-21 00:44

Python实现游戏人工智能与机器学习

本文将介绍Python在游戏人工智能与机器学习方面的应用，主要涉及以下几个方面：游戏AI基础知识游戏AI示例：独立行动游戏（IndependentActionGame，IAG）监督学习与无监督学习遗传算法强化学习深度学习二
心梓知识·2023-11-21 00:50

小学英语课程改革SWOT分析及对策探讨II

我校英语课程于2018年7月份分别与BW国际以及ISD进行
南希老师Nancy·2023-11-20 21:34

【Python百宝箱】探索数据科学的瑞士军刀：Python机器学习库大揭秘

文章目录数据魔法：用强化学习和模型解释揭示隐藏的信息1.机器学习基础库1.1**`scik
friklogff·2023-11-20 19:16

文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于深度强化学习的园区综合能源系统低碳经济调度》

这个标题涉及到基于深度强化学习的园区综合能源系统低碳经济调度。让我们逐步解读一下：1.园区综合能源系统：指的是一个区域内综合利用多种能源的系统，可能包括电力、热能、风能、太阳能等。
电网论文源程序·2023-11-20 18:04

跨界黑科技：HuggingGPT如何颠覆AI领域？

通过基于人类反馈的强化学习（RLHF）和大规模预训练文本库，LLM可以提供更强大的语言理解、生成、交互和推理能力。
THU智能魔术师·2023-11-20 12:10

强化学习输入数据归一化（标准化）

对于强化学习，其输入数据一般是指状态以及动作。
Coder_Jh·2023-11-20 11:05

生成式大模型的RLHF技术（一）：基础

因此，将LLMs与人类价值观（如helpful,honest,和harmless,即3H）对齐是非常重要的，目前采用的主流的技术即是基于人类反馈的强化学习技术（RLHF）。通常来说，RLHF包
酷酷的群·2023-11-20 09:15

强化学习和生成对抗网络

1.强化学习的定义强化学习（reinforcementlearning）是机器学习的一个重要分支，是一门多领域交叉学科，它的本质是自行解决决策问题，并且能进行连续决策。
鹿衔草啊·2023-11-20 01:26

大语言模型的三阶段训练

为了训练专有领域模型，选择LLaMA2-7B作为基座模型，由于LLaMA模型中文词表有限，因此首先进行中文词表的扩展，然后进行三阶段训练（增量预训练，有监督微调，强化学习）。
hj_caas·2023-11-20 01:22

GEM5教程-Garnet 2.0

GEM5教程-Garnet2.0一、Garnet2.0：一种用于异构SoCs的片上网络模型二、调用三、配置四、拓扑结构网络组件五、路由六、流量控制七、路由器微体系结构1、缓冲区写入（BW）2、路线计算（
人间之清欢·2023-11-19 23:07

【BW0568】你的持仓，能否回答出以下问题？（下）

对于自己的持仓我们是否真的了解？取决于我们是否能够认认真真白纸黑字的写下这些问题的答案。不可否认不同行业的赚钱难度肯定是有区别的，有的行业天生好命，可以稳定赚钱，有的行业举步维艰，稍微赚点钱还要投入研发，扩建厂房等等，那我们应该选择怎样的行业呢？站在我追求概率的角度上，我的选择如下。①简单变化少一个频繁变化的行业，领先者容易被别人弯道超车。企业可能构建了宽广的护城河，但是因为行业变化太快，后来者可
习正源·2023-11-19 20:32

强化学习中的Transformer发展到哪一步了？清北联合发布TransformRL综述

©作者|WenzheLi等来源|机器之心强化学习（RL）为顺序决策提供了一种数学形式，深度强化学习（DRL）近年来也取得巨大进展。然而，样本效率问题阻碍了在现实世界中广泛应用深度强化学习方法。
PaperWeekly·2023-11-19 19:05

【强化学习】DQN及其变体网络的原理讲解和代码实现

DQN网络及其变体的实现一、DQN网络原理回顾DQN采用经验回放和固定的Q-targets根据**ϵ−greedy\epsilon-greedyϵ−greedy**执行行为ata_tat将经验以(st,at,rt+1,st+1)(s_t,a_t,r_{t+1},s_{t+1})(st,at,rt+1,st+1)的形式存储到replaymemoryD将D中随机抽样一个mini-batch的经验(s,
Henry_Zhao10·2023-11-19 19:03

【强化学习】一、强化学习介绍

一、强化学习介绍1.关于强化学习强化学习的多面强化学习在各个领域均有应用，在计算机科学领域有机器学习，在工程领域有最优控制（一种在给定约束条件下使某一性能指标达到最优的控制方法），在数学领域有运筹学，经济领域有有限理性
Henry_Zhao10·2023-11-19 19:32

【强化学习】二、马尔可夫决策过程

二、马尔可夫决策过程1.绪言马尔可夫决策过程（Markovdecisionprocess，MDP）是强化学习问题在数学上的理想化形式MDP中的环境是完全可观测的几乎所有的强化学习问题都可以在数学上表示为马尔可夫决策过程
Henry_Zhao10·2023-11-19 19:32

【RL+Transformer综述】A Survey on Transformers in Reinforcement Learning论文笔记

完成单位：清华大学、北京大学、BAAI、腾讯IntroductionTransformer结构能够建模长期的依赖关系，并且具有良好的伸缩性（可处理不同长度的序列数据）最初将Transformer运用到强化学习
Henry_Zhao10·2023-11-19 19:56

RAG检索增强生成只是起步，真正的智能问答=强化学习+大模型（各类型）， 实现智能调度，SELF-RAG（自反思）。

RAG检索增强生成是近期几个大模型应用方向上最难下笔的一个：一方面是因为技术方案仍在快速迭代；另一方面是市场对它的认知还存在一定偏差。目前市场认为：chatBI（让大模型做数据查询和分析）很有用但是有难度；Agent（让大模型自助规划任务实现用户复杂的需求）虽然很酷炫，但是落地的应用少，不够成熟。而对于RAG，企业都很明确它的价值，并且技术实现上，一顿组合拳疯狂输出（文本切割+向量数据库+大模型）
汀、人工智能·2023-11-19 19:01

小白也想写综述（一）

前言在选择科研方向时，考虑自己的兴趣和职业目标是非常重要的：综述论文的价值：撰写综述论文，尤其是在深度强化学习和区块链这样的前沿技术领域，能够帮助建立扎实的理论基础，并且对整个领域有一个全面的认识。
Joy T·2023-11-19 10:38

小白也想搞科研（一）之DRL优化数据库查询执行计划

我知道深度强化学习在许多领域都取得了显著的成果，你觉得我们可以如何将DRL应用到数据库优化中？研究员B:一个有趣的应用可能是使用DRL来优化查询执行计划。
Joy T·2023-11-19 10:38

基于深度强化学习的智能汽车决策模型

1.基于深度强化学习的智能汽车决策模型以神经网络为核心的智能体最主要的优势在于其依靠大量的数据自主学习的能力，通过数据驱动智能体可以应对各种未经历过的复杂环境。
闲看庭前梦落花·2023-11-19 01:34

【mujoco】Ubuntu20.04配置mujoco210

Ubuntu20.04配置mujoco2101.安装mujoco2102.安装mujoco-py3.使用render时报错Reference本文简要介绍一下如何在ubuntu20.04系统中配置mujoco210，用于强化学习
木心·2023-11-19 01:00

【机器学习11】强化学习

1基本概念一个机器人在环境中会做各种动作，环境会接收动作，并引起自身状态的变迁，同时给机器人以奖励。机器人的目标就是使用一些策略，做合适的动作，最大化自身的收益。整个场景一般可以描述为一个马尔可夫决策过程：动作：所有可能做出的动作的集合，记作A（可能是无限的）。状态：所有状态的集合，记作S。奖励：机器人可能收到的奖励，一般是一个实数，记作r。时间（t=1,2,3…）：在每个时间点t，机器人会发出一
懒羊羊-申博版·2023-11-19 00:26

强化学习拾遗 —— 表格型方法和函数近似方法中 Bellman 迭代的收敛性分析

因为想申请CSDN博客认证需要一定的粉丝量，而我写了五年博客才700多粉丝，本文开启关注才可阅读全文，很抱歉影响您的阅读体验本文讨论两个主要内容表格型policyevaluation方法中，使用Bellman算子/Bellman最优算子进行迭代的收敛性使用函数近似方法进行policyevaluation时的收敛性问题首先补充一点测度论中的定义，然后介绍压缩映射原理和不动点，最后证明收敛性。文章目录
云端FFF·2023-11-18 23:30

表格型方法

表格型方法概念强化学习是一个与时间相关的序列决策的问题。概率函数与奖励函数概率函数定量地表达状态转移的概率，其可以表现环境的随机性。
数分虐我千百遍·2023-11-18 23:16

机器学习第1天：概念与体系漫游

文章目录机器学习的概念机器学习的应用场景（1）垃圾邮件处理（2）多指标预测房价（3）其他任务机器学习的分类按是否在监督下训练为分类指标（1）监督学习（2）无监督学习（3）半监督学习（4）强化学习按是否可以动态学习为分类指标
Nowl·2023-11-18 21:36

英伟达用AI设计GPU：最新H100已经用上，比传统EDA减少25%芯片面积

在最新论文中，他们介绍了如何用深度强化学习agent设计电路的方法。据研究人员称，这种方法还属业内首次。值得一提的是，这篇文章包含参考文献在内，仅有短短6页。不少网友表示，太酷了！
QbitAl·2023-11-18 20:52

【强化学习】时间循环最优决策：原理与Python实战

时间旅行和平行宇宙时间旅行引发的悖论强化学习策略梯度算法代码案例代码推荐阅读理论完备：实战性强：配套丰富：如何在时间循环里最优决策？
洁洁！·2023-11-17 16:47

[PyTorch][chapter 63][强化学习-QLearning]

5为出口可以用下图表示目录：策略评估策略改进迭代算法走迷宫实现Python一策略评估强化学习最终是为了学习好的策略，在不同的state下面根据策略做出最优的action.对于策略评估我们通过价值函数来度量
明朝百晓生·2023-11-17 06:13

Ray 分布式简单教程（1）

在RayCore上有几个库，用于解决机器学习中的问题:Tune:可伸缩的超参数调优RLlib：工业级强化学习RayTrain:分布式深度学习Datasets:分布式数据加载和计算(beta)以
求则得之，舍则失之·2023-11-17 06:06

GAN-DQN

GAN-DQN本期介绍一项来自麦吉尔大学的有趣工作，它拓展了分布强化学习在深度学习框架下的应用，提出了一个十分有趣的深度强化学习框架：GAN+DQN。
GPlearndunk·2023-11-17 05:17

RL-GAN Net -- 首个将强化学习与GAN结合的网络

RL-GANNet引言背景知识强化学习生成对抗网络核心思想基本框架损失函数网络结构实验结果对比总结引言作者首次将强化学习和生成对抗网络结合起来，用于点云数据生成。
xisi克利夫·2023-11-17 05:42

15万奖金强化学习赛事！Go-Bigger多智能体决策智能挑战赛来了！

这是一个是专为AI准备的游戏环境，AI探索家们既可以使用当今最热的强化学习决策方法，也可以结合传
Datawhale·2023-11-17 03:41

工业机器人轨迹规划研究进展及发展趋势

指出了基于强化学习的轨迹规划、轨迹误差预测和补偿、动态避障、多机器人运动规
BFT白芙堂·2023-11-16 16:00

vscode使用Draw.io Integration绘制流程图

Draw.ioIntegration绘制流程图二.软件环境2.1vscode2.2Draw.ioIntegration文中文件链接：https://pan.baidu.com/s/1VJbrScgIexsNYHNr48f4Bw
+++.·2023-11-16 03:03

基础篇——强化学习之Markov决策过程建模

https://mp.weixin.qq.com/s/9IwgcpkAWHhw5vtg85E1Og目录一、强化学习基本概念二、Markov决策过程1.Markov决策过程模型（1）用动力系统描述的环境（
口叮码农CodingFarmer·2023-11-16 02:59

（二）强化学习——有限的马尔可夫决策过程（有限MDP）

我们知道强化学习是一种算法，算法的本质就是数学，而数学作为一种人类为了解世界而建立的逻辑学科。你如果想要用数学来解决客观世界中的问题。那么首先你就得在客观问题上抽象出基础的理论形式。
Eagle Xu·2023-11-16 02:29

强化学习——day13 马尔科夫决策过程MDP

马尔科夫决策过程简介马尔可夫过程随机过程马尔可夫性质马尔可夫过程马尔可夫奖励过程回报价值函数马尔可夫决策过程策略状态价值函数动作价值函数贝尔曼期望方程蒙特卡洛方法占用度量最优策略贝尔曼最优方程总结参考文献简介马尔可夫决策过程（Markovdecisionprocess，MDP）是强化学习的重要概念
想太多!·2023-11-16 02:29

强化学习（一）——马尔可夫决策过程MDP

文章目录1.马尔可夫过程（MarkovProcess）1.1马尔可夫性质（MarkovProperty）1.2状态转移矩阵（StateTransitionMatrix）1.3马尔可夫过程（MP）2.马尔可夫奖励过程（MarkovRewardProcess）2.1回报与折扣因子（ReturnandDiscount）问题：为什么需要折扣因子？2.2状态价值函数（ValueFunction）2.3马尔可
冠long馨·2023-11-16 02:58

强化学习——day11 马尔科夫决策过程MDP

第3章马尔可夫决策过程3.1简介马尔可夫决策过程（Markovdecisionprocess，MDP）是强化学习的重要概念。要学好强化学习，我们首先要掌握马尔可夫决策过程的基础知识。
想太多!·2023-11-16 02:58

强化学习之——马尔可夫决策过程原理

强化学习之——马尔可夫决策过程原理1.1MDP：策略与环境模型我们以蛇棋为模型引入——蛇棋的关键问题在于：哪些因素决定了蛇棋最终获得分数的多少？
无心留踪迹·2023-11-16 02:28
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他