强化学习_BW

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

RFID第二版答案-第三章

可以C=2BW*log2MBW=2M最小为8就可以，八相位调制3.3画出100110111的曼彻斯特码波形。若曼彻斯特编码的数据传输码率为106kbps,则波特率100101101001101010
先天蛋蛋·2023-11-02 00:35

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

【crypto】现代密码包

密码：bW9kZXJu第一关：DESU2FsdGVkX1/a0jOebm4TjoQUIxsRyRm88opg+LmNUFQ=第二关：RC4U2FsdGVkX1++KOzHN+asq4Nbitx3E8JDkKIEeEs
RAVEN_1452·2023-11-01 23:16

[PyTorch][chapter 58][强化学习-2-有模型学习]

：在已知模型的环境里面学习,称为有模型学习（model-basedlearning）.此刻,下列参数是已知的：:在状态x下面,执行动作a,转移到状态的概率:在状态x下面,执行动作a,转移到的奖赏有模型强化学习的应用案例棋类游戏
明朝百晓生·2023-11-01 16:44

强化学习简单介绍

文章目录强化学习简单介绍介绍基本术语马尔科夫决策过程贝尔曼方程1.状态值函数（V函数）2.动作值函数（Q函数）3.贝尔曼方程的表达式状态值函数的贝尔曼方程：动作值函数的贝尔曼方程：4.贝尔曼方程的应用策略迭代和值迭代策略迭代值迭代
百年孤独百年·2023-11-01 12:33

【四】gym搭建自己的环境，全网最详细版本，3分钟你就学会了！

【五】gym搭建自己的环境____详细定义自己myenv.py文件【六】gym搭建自己环境升级版设计，动态障碍------强化学习gym搭建自己的环境1.获取了解环境可以通
汀、人工智能·2023-11-01 08:07

强化学习 DQN 速成

强化学习DQN速成这是对《深度强化学习》王树森张志华中DQN部分的缩写以及部分内容的个人解读书中的DQN是一个相对终极版本的存在，相信体量会比网络上其他资料要大很多基本概念我们通过贪吃蛇来引入几个基本概念符号中文说明
Jarden_·2023-11-01 05:21

GIS 和 AI 怎么发挥最大用途

AIGC（AdaptiveInterpolationandGeneralizationforControl）是一种强化学习算法，用于解决连续动作空间的控制问题。
GIS老戴·2023-11-01 04:20

强化学习篇: Dyna-Q

像之前我们讨论的大量强化学习方法（DQN,DoubleDQN,PriorizedDQN,PolicyGradient,PPO等等）都是基于model-free的，这也是RL学习的主要优势之一，因为大部分情况下
DeepBrainWH·2023-11-01 03:24

AI：42-基于机器学习方法下以沙发为例的家具风格识别技术研究

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·2023-11-01 02:41

用DQN强化学习算法玩“合成大西瓜”！

用DQN强化学习算法玩“合成大西瓜”！
BIT可达鸭·2023-10-31 14:13

DQN 强化学习

是什么强化学习（ReinforcementLearning,RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题
努力学习，努力爱你！·2023-10-31 14:13

DQN 强化学习 (Reinforcement Learning)

模块导入和参数设置这次除了Torch自家模块,我们还要导入Gym环境库模块.importtorchimporttorch.nnasnnfromtorch.autogradimportVariableimporttorch.nn.functionalasFimportnumpyasnpimportgym#超参数BATCH_SIZE=32LR=0.01#learningrateEPSILON=0.9#
Sonhhxg_柒·2023-10-31 14:41

基于DQN强化学习的高速路决策控制

基于DQN强化学习的高速路决策控制依赖包gym==0.21.0stable-baselines3==1.6.2highway-env==1.5环境测试highway-env环境介绍：highway-envimportgymimporthighway_env
Colin_Fang·2023-10-31 14:08

DQN强化学习

算是自己写的第一个强化学习环境，目前还有很多纰漏，逐步改进ing。希望能在两周内施工完成。
来旺·2023-10-31 14:06

深度强化学习中的神经网络部分的作用是什么？一般如何选择合适的神经网络呢？

在深度强化学习中，神经网络部分通常用于实现值函数近似或策略近似，以帮助智能体学习如何在一个环境中做出决策以获得最大的累积奖励。
喝凉白开都长肉的大胖子·2023-10-31 13:20

【论文解读】RLAIF基于人工智能反馈的强化学习

一、简要介绍人类反馈强化学习(RLHF)可以有效地将大型语言模型(LLM)与人类偏好对齐，但收集高质量的人类偏好标签是一个关键瓶颈。
合合技术团队·2023-10-31 12:14

强化学习中的值函数

一、值函数几乎所有的强化学习算法都涉及到估计值函数——状态（或状态-动作对）的函数，这些函数估计代理处于给定状态（或在给定状态下执行给定动作）的好坏。
渣渣威的仿真秀·2023-10-31 08:51

强化学习中值函数应用示例

一、GridworldGridworld是一个用于教授强化学习概念的简化的电子游戏环境。它具有一个简单的二维网格，智能体可以在其中执行动作并获得奖励。
渣渣威的仿真秀·2023-10-31 08:51

马尔可夫决策过程及典型例子（一）

一、马尔科夫决策过程满足马尔可夫性质的强化学习任务被称为马尔可夫决策过程(MDP,Markovdecisionprocess,)。如果状态和动作空间是有限的，那么它被称为有限马尔可夫决策过程。
渣渣威的仿真秀·2023-10-31 08:20

最优值函数

一、最优状态值函数解决强化学习任务大致上意味着找到一种政策，能够在长期内实现很多奖励。对于有限MDPs，我们可以精确地定义一种最优政策，其定义如下。值函数定义了政策的一种部分排序。
渣渣威的仿真秀·2023-10-31 08:19

连续状态和连续动作的强化学习问题

一、连续状态和连续动作问题的主要难点连续状态和连续动作强化学习问题是指智能体在连续状态空间和连续动作空间中进行决策的问题。
渣渣威的仿真秀·2023-10-31 08:48

AI：41-基于基于深度学习的YOLO模型的玉米病害检测

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·2023-10-31 06:25

强化学习系列 - 刘建平Pinard

强化学习（一）模型基础强化学习（二）马尔科夫决策过程(MDP)强化学习（三）用动态规划（DP）求解强化学习（四）用蒙特卡罗法（MC）求解强化学习（五）用时序差分法（TD）求解强化学习（六）时序差分在线控制算法
yuzhounh·2023-10-31 03:45

强化学习--Prioritised Replay DQN

系列文章目录强化学习提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、强化学习是什么？
百度pkq·2023-10-31 03:14

强化学习------DDQN算法

前言DQN算法DQN算法有一个显著的问题，就是DQN估计的Q值往往会偏大。这是由于我们Q值是以下一个s’的Q值的最大值来估算的，但下一个state的Q值也是一个估算值，也依赖它的下一个state的Q值…，这就导致了Q值往往会有偏大的的情况出现。所以出现了对DQN算法的改进算法DoubleDQN(DDQN)算法。一、DDQN算法原理DDQN算法和DQN算法一样，也有一样的两个Q网络结构。在DQN算法
韭菜盖饭·2023-10-31 03:11

【伤寒强化学习训练】打卡第八十一天 一期90天

8.4.2桂枝龙骨牡蛎汤&天雄散&小建中汤桂枝龙骨牡蛎汤桂枝三两芍药三两甘草二两（炙）生姜三两大枣十二枚龙骨三两牡蛎三两右七味，以水七升，煮取三升，去滓，分温三服。一个人的体质上面的阴阳调和的所谓的核心的部分，当然在比较浅表的诠释法；桂枝龙骨牡蛎汤方剂的结构会有意义：龙骨、牡蛎，都比较是镇定神经的药物，桂枝龙牡汤的虚劳是神经型的虚劳；以中医的讲法就是桂枝汤的营卫之间走一圈的时候，龙骨把全身的元气、
A卐炏澬焚·2023-10-31 02:10

DAY30 2018-08-15 开始的结束

facts:练习全文，通读全文，慢慢读每个句子，看看自己哪些发音还不自觉使用以前的发音标准，找出自己掌握的不好的音标，单词，再强化学习。听写了强化练习的材料。
socialization·2023-10-31 00:04

Large Language Models as Generalizable Policies for Embodied Tasks

我们的方法被称为大型语言模型强化学习策略（LLaRP），它采用预先训练的冻结LL
UnknownBody·2023-10-30 16:14

【伤寒强化学习训练】打卡第十六天 一期90天

11.7.2麻黄升麻汤与干姜芩连人参汤麻黄升麻汤【11.77】伤寒六七日，大下后，寸脉沉而迟，手足厥逆，下部脉不至，咽喉不利，唾脓血，泄利不止者，为难治，人参附子汤主之。不差，复以人参干姜汤与之。人参附子汤方人参二两附子一枚干姜二枚（炮）半夏半升阿胶二两柏叶三两右六味，以水六升，煮取二升，去滓，纳胶烊消。温服一升，日再服。人参干姜汤方人参二两附子一枚干姜三两桂枝二两（去皮）炙草二两（炙）右五味，以
A卐炏澬焚·2023-10-30 15:45

【伤寒强化学习训练】打卡第八十二天 一期90天

桂枝龙骨牡蛎汤&天雄散&小建中汤（续）血痹虚劳篇条文【13.26】【13.26】男子平人，脉虚弱细微者，喜盗汗也。营卫之气里面营气比较虚的人是睡着了容易出一身汗，所以是盗汗，卫气虚的话是自汗；桂枝加附子汤可以补到卫气之虚，临床上治盗汗经方来说桂枝龙骨牡蛎汤，时方的世界有一些特效药，比如说桑叶是治盗汗的特效药，在不妨碍药性的前提下也会用，要加一点也没关系；一个人神经紧张在人醒的时候，两种紧张还会互相
A卐炏澬焚·2023-10-30 07:33

【伤寒强化学习训练】打卡第二十七天 一期90天

桂枝汤证的病机与治则《伤寒论》标准的桂枝汤证，外症：头痛，主要是脉浮缓，恶风寒，出得了汗；从外症来讲，脉浮缓而出得了汗，会有怕风的感觉，病机就是有风气伤到了卫气治则就是治疗的原则，要把一些什么样的东西送到我们的卫气的范围，而且还要卫气里面的风邪打出去，这就是一个我们要做的事情。治疗的原则是这样肺主皮毛，肺跟皮肤跟卫气是有相关的。肺的气主要是来自于命门之火，蒸动肾水之气，从三焦输布到我们胸中，这是卫
A卐炏澬焚·2023-10-30 01:16

有了GPT-4之后，机器人把转笔、盘核桃都学会了

GPT-4和强化学习强强联合，机器人的未来将是什么样子？在学习方面，GPT-4是一个厉害的学生。在消化了大量人类数据后，它掌握了各门知识，甚至在聊天中能给数学家陶哲轩带来启发。
疯狂创作者·2023-10-29 21:31

深度强化学习用于博弈类游戏-基础测试与说明【1】

深度强化学习用于博弈类游戏-基础【1】1.强化学习方法2.强化学习在LOL中的应⽤2.1环境搭建2.2游戏特征元素提取1)小地图人物位置：2)人物血量等信息3)在整个图像上寻找小兵、防御塔的位置4）自编码器提取
cnjs1994·2023-10-29 17:56

AI：40-基于深度学习的森林火灾识别

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·2023-10-29 16:40

【强化学习】DDPG

DeepDeterministicPolicyGradient算法随机策略与确定性策略DPG与DDPG深度确定性策略梯度算法DDPG概述对比DDQNDDPG网络功能：网络软更新：引入噪声：两个网络的损失函数：DDPG算法流程小结强化学习笔记
最忆是江南.·2023-10-29 16:01

【强化学习】09——价值和策略近似逼近方法

文章目录前言对状态/动作进行离散化参数化值函数近似值函数近似的主要形式IncrementalMethodsGradientDescentLinearValueFunctionApproximationFeatureVectors特征化状态TableLookupFeaturesIncrementalPredictionAlgorithmsMonte-CarlowithValueFunctionApp
yuan〇·2023-10-29 09:30

【强化学习】07——规划与学习（Dyna-Q）

文章目录前置知识回顾策略值函数估计（PolicyEvaluation）策略提升（PolicyImprovement）模型（Model）规划(Planning)规划与学习(PlanningandLearning)Dyna(集成规划、决策和学习）Dyna的框架Dyna伪代码Example1：DynaMazeExample2：BlockingMazeExample3：ShortcutMaze代码结果参考
yuan〇·2023-10-29 09:00

【强化学习】10 —— DQN算法

文章目录深度强化学习价值和策略近似RL与DL结合产生的问题深度强化学习的分类Q-learning回顾深度Q网络（DQN）经验回放优先经验回放目标网络算法流程代码实践CartPole环境代码结果参考深度强化学习价值和策略近似我们可以利用深度神经网络建立这些近似函数深度强化学习使强化学习算法能够以端到端的方式解决复杂问题
yuan〇·2023-10-29 08:56

论文笔记-Deep Learning on Graphs: A Survey（上）

在这篇文章中，作者根据模型架构和训练策略将现有方法分为五类：图循环神经网络、图卷积网络、图自动编码器、图强化学习和图对抗方法，并以系统的方式全面概述这些方法。
升不上三段的大鱼·2023-10-29 04:34
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他