ADP&RL

论文分享：可微分架构搜索（DARTS）

目录0题目（期刊，团队）1背景2问题3现状&GAP3.1基于RL的NAS3.2基于进化算法的NAS3.3GAP4难点5创新点6内容6.1定义搜索空间6.2搜索空间连续化6.3近似梯度优化7验证7.1CNN
liz_lee·2022-12-04 14:20

【强化学习笔记-02】多任务深度强化学习

存在的问题：普通RL算法在同一环境中跨相关任务的许多场景中的适用性有限本文的目的是surveyDRL领域中与多任务相关的研究挑战，并通过比较sota方法——DISTRAL(
Xieyh@CUC·2022-12-04 07:12

高级人工智能课程笔记

课程部分笔记，依据《人工智能一种现代化方法》第三版目录智能概述搜索searchUninformedSearchInformedSearch约束满足问题CSPMDP值迭代方法策略迭代RL朴素贝叶斯其他智能概述
Echo木·2022-12-03 16:22

边做边思考，谷歌大脑提出并发RL算法，机械臂抓取速度提高一倍！

选自arXiv作者：TedXiao等机器之心编译机器之心编辑部RL算法通常假设，在获取观测值、计算动作并执行期间环境状态不发生变化。
视学算法·2022-12-03 13:22

论文速读：《AN ACTOR-CRITIC ALGORITHM FOR SEQUENCE PREDICTION》

摘要我们提出了一种训练神经网络的方法，使用强化学习（RL）中的演员评论方法生成序列。当前的对数似然训练方法受到训练和测试模式之间差异的限制，因为模型必须以先前的猜测而不是地面真实标记为基础生成标记。
aixi8904·2022-12-03 11:06

【论文阅读】Parametrized Deep Q-Networks Learning: RL with Discrete-Continuous Hybrid Action Space

【论文阅读—深度强化学习打王者荣耀】ParametrizedDeepQ-NetworksLearning:ReinforcementLearningwithDiscrete-ContinuousHybridActionSpace标题ParametrizedDeepQ-NetworksLearning:ReinforcementLearningwithDiscrete-ContinuousHybri
quintus0505·2022-12-03 08:42

RL 笔记（3）PPO(Proximal Policy Optimization)近端策略优化

RL笔记（3）PPO基本原理PPO是在基本的PolicyGradient基础上提出的改进型算法PolicyGradient方法存在核心问题在于数据的bias。
WensongChen·2022-12-03 06:46

生成对抗网络 GAN原理 学习笔记+实践

对高维数据和样本分布问题有很好的检测模拟强化学习(RL)数据缺失，半监督学习多模态(multy-modal)输出,eg：可能生出三只眼的狗，生成结果不好现实的生成任务，eg：给定一个groudtruth
midori_27·2022-12-03 03:23

OpenAI_ROS做强化学习

、天涯05084、lxlong899401015、RainStarX三、FYO_踩坑记录1、初步尝试2、官方教程3、参考‘天涯0508’一、主要资源1、Theopenai_rospackage作为连接RL
方小汪·2022-12-02 17:39

RL0-概述

一、强化学习（ReinforcementLearning）概述Learningfromexperience强化学习方法起源于动物心理学的相关原理，模仿人类和动物学习的试错机制，是一种通过与环境交互，学习状态到行为的映射关系即策略，表示在各个状态下，智能体采取的行为或行为概率1.1智能体与环境智能体在t时刻从环境中接收一个状态sts_tst，它会通过动作ata_tat与环境进行交互环境会产生一个新的
明前大奏·2022-12-02 15:15

RL: 几个扩展性很好的网络

目前主流网络是Q-network,AC框架Q-Net:DQN,DuelingQN,DoubleQN,D3QNAC:DDPG,TD3,PPO,SAC等基础网络如下，可扩展性很好：详情参考ElegantRLimporttorchimporttorch.nnasnnimportnumpyasnp#Q-NetclassQnet(nn.Module):def__init__(self,mid_dim,sta
IEEEagent RL·2022-12-02 13:10

深度强化学习入门

本文集中在DRL的model-free方法的Value-based和Policy-base方法，详细介绍下RL
人工智能与算法学习·2022-12-02 13:39

RL策略梯度方法之(六): Deterministic policy gradient(DPG)

本专栏按照https://lilianweng.github.io/lil-log/2018/04/08/policy-gradient-algorithms.html顺序进行总结。文章目录原理解析回顾策略梯度DPG算法算法实现总体流程代码实现DPG\color{red}DPGDPG：[paper|code]原理解析StochasticPolicyGradient(SPG)是通过参数化的概率分布π
晴晴_Amanda·2022-12-02 13:03

pytorch笔记：TD3

参考代码来源：easy-rl/codes/TD3atmaster·datawhalechina/easy-rl(github.com)理论部分：强化学习笔记：双延时确定策略梯度(TD3)_UQI-LIUWJ
UQI-LIUWJ·2022-12-02 02:15

pytorch 笔记：DDPG （datawhale 代码解读）

理论部分可见：强化学习笔记：双延时确定策略梯度(TD3)_UQI-LIUWJ的博客-CSDN博客源代码路径：easy-rl/codes/DDPGatmaster·datawhalechina/easy-rl
UQI-LIUWJ·2022-12-02 02:15

[2022]李宏毅深度学习与机器学习第十二讲（必修）-Reinforcement Learning RL

[2022]李宏毅深度学习与机器学习第十二讲（必修）-ReinforcementLearningRL做笔记的目的WhatisRLPolicyGradientVersion1Version2Version3Actor-CriticVersion3.5Version4Tipofactor-CriticRewardShapingNoReward做笔记的目的1、监督自己把50多个小时的视频看下去，所以每看
走走走，快去看看世界·2022-12-01 19:50

用强化学习通关超级马里奥！

作者|肖遥来源丨DatawhaleDQN算法实践之速通超级马里奥作为强化学习(ReinforceLearning,RL)的初学者，常常想将RL的理论应用于实际环境，以超级马里奥为例，当看着自己训练的AI
AI科技大本营·2022-12-01 16:45

RL gym 环境（2）—— 自定义环境

本文介绍如何在gym套件中使用自己创建的环境，改编自官方文档Makeyourowncustomenvironment关于gym套件的基础介绍参考：RLgym环境（1）——安装和基础使用文章目录1.悬崖漫步环境1.1环境定义1.2实现效果2.环境实现2.1文件组织2.2编写环境类2.2.1定义和初始化2.2.2从状态构造观测2.2.3reset方法2.2.4step方法2.2.5render方法2.
云端FFF·2022-12-01 09:33

伦敦大学学院、UC伯克利联手，撰文综述深度强化学习泛化研究

强化学习(RL)可用于自动驾驶汽车、机器人等一系列应用，其在现实世界中表现如何呢？现实世界是动态、开放并且总是在变化的，强化学习算法需要对环境的变化保持稳健性，并在部署期间能够进行迁移和适应没见过的
人工智能学家·2022-11-30 20:06

《强化学习周刊》第68期：ICLR2023强化学习论文、谷歌乒乓球机器人、订阅赠书《Easy RL强化学习教程》...

No.68智源社区强化学习组强化学习研究观点资源活动周刊订阅告诉大家一个好消息，《强化学习周刊》已经开启“订阅功能”，以后我们会向您自动推送最新版的《强化学习周刊》。订阅方法：方式1：扫描下面二维码，进入《强化学习周刊》主页，选择“关注TA”。方式2：点击本文下方的“阅读原文”，进入《强化学习周刊》Hub社区版，根据内附的详细订阅步骤，完成订阅。关于周刊强化学习作为人工智能领域研究热点之一，其在人
智源社区·2022-11-30 17:19

【强化学习论文合集 | 2020年合集】二. AAAI-2020 强化学习论文

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
Allenpandas·2022-11-30 16:26

【强化学习论文合集 | 2020年合集】一. ICML-2020 强化学习论文

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
Allenpandas·2022-11-30 16:56

Offline RL Summary

文章目录Value-based*Off-PolicyDeepReinforcementLearningwithoutExploration(2018,ICML)*StabilizingOff-PolicyQ-LearningviaBootstrappingErrorReduction(2019,NeurIPS)BehaviorRegularizedOfflineReinforcementLearnin
YAN-Xi1998·2022-11-30 13:55

【经验】深度强化学习训练与调参技巧

来源：知乎(https://zhuanlan.zhihu.com/p/482656367)作者：岳小飞天下苦RL久矣，其中最苦的地方莫过于训练和调参了，人人欲“调”之而后快。
风度78·2022-11-30 13:24

Stable Baselines/RL算法/A2C

StableBaselines官方文档中文版GithubCSDN尝试翻译官方文档，水平有限，如有错误万望指正AsynchronousAdvantageActorCritic(A3C)的同步、确定性变体。它使用多个workers来避免使用重播缓存。要点核心原始文献：https://arxiv.org/abs/1602.01783OpenAI博客：https://openai.com/blog/bas
quantLearner·2022-11-30 13:21

ResNet、MobileNet预训练权重

ResNet全部预训练文件下载方式ResNet50.pth链接：https://pan.baidu.com/s/1Q2ueq3UBruCl4RL2TIYUfg提取码：0517MobileNetV3.pth
李卓璐·2022-11-30 10:08

Transformer + RL：是强化学习魔高一尺，还是 Transformer 道高一丈？ （1）

引言：为什么Transformer在RL上不workTransformer最早发源于自然语言处理领域（NLP），以一个非常惊人的标题“AttentionisAllYouNeed”催生了无数后续工作，而Transformer
OpenDILab开源决策智能平台·2022-11-30 06:50

Online Decision Transformer

摘要最近的工作表明，离线强化学习(RL)可以表述为序列建模问题(Chenetal.,2021;Janneretal.,2021)，并通过类似于大规模语言建模的方法来解决。
Wwwilling·2022-11-30 06:45

RC滤波器（高通/低通）

RC既可以构成低通滤波电路，也可以构成高通滤波电路1、高通滤波器如果输入是个直流电压，ui电压的变化率为0，所以RL上没有电流通过，根据欧姆定律，即out=0V，电容完全”隔直“，也就是说频率为0的信号完全不可以通过隔直通交电路频率较低的正弦信号
Liangzhi.Hu·2022-11-29 21:29

论文笔记之RL优化——高斯平滑的Q函数

学习目的：近期需要去学习下TD3算法，一种在连续动作空间比DDPG更好的policy-based算法。其中需要用到smoothed-Q。TD3论文中reference了这篇SmoothedQforLearningGaussianPolicies(还有补充材料)。在当时而言，这是一种比较新的思想，因为以往的Policy-based算法通过分别训练Actor网络μθ\mu_\thetaμθ和Criti
Ton10·2022-11-29 19:38

深度强化学习CS285-Lec18 Meta-Learning in RL

Meta-RL概述一、问题定义1.1监督学习1.2元学习1.3Meta-Learning的数据集设定与学习方式1.3.1元学习的数据集是怎样的？
Nemo555·2022-11-29 18:31

深度强化学习CS285-Lec17 Distributed RL

TransferLearning与DistributedRL概述一、分布式RL架构1.1DQN1.2GORILA1.3A3C1.4IMPALA1.5Ape-X1.6R2D3二、其它引用较高的分布式RL架构
Nemo555·2022-11-29 18:01

日常学习记录——openpyxl保存操作

wb1.save(“文件名”)defpreDataSet():wb1=load_workbook('E:\MyWord\study\RL0314\西瓜.xlsx')sheet1=wb1.worksheets
锂盐块呀·2022-11-29 15:58

When Machine Learning Meets Congestion Control: A Survey and Comparison

通过阅读本论文可以对拥塞控制算法有一个较为清晰的认识，区分传统算法及辨识各种传统算法的优劣，特别是本文通过导引的方式可以让读者了解机器学习在拥塞控制算法中的应用现状，对应该使用哪种机器学习的方法给读者指明了方向，并使得读者认识到应用RL
嘿喵井长·2022-11-29 03:31

深度学习调参的经验

1总结一下在旷视实习两年来的炼丹经验，我主要做了一些RL，图像质量，图像分类，GAN相关的任务，日常大概占用5-10张卡。
neu_wyn·2022-11-29 01:31

强化学习简介

1.RL描述的是一个与环境交互的学习过程2.以人开车为例，分析agent、environment、action、state、reward。其中，reward指导agent的action。
脑瓜嗡嗡0608·2022-11-28 21:51

论文阅读 Fast Reinforcement Learning Via Slow Reinforcement Learning

论文阅读RL^2FastReinforcementLearningViaSlowReinforcementLearning1.摘要2.introduction3.实现4.小结1.摘要强化学习可以对于单个任务有较好的效果
孙敬博·2022-11-28 20:04

【强化学习论文合集】IJCAI-2021 强化学习论文

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
Allenpandas·2022-11-28 19:21

【强化学习论文合集】NeurIPS-2021 强化学习论文

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
Allenpandas·2022-11-28 19:21

【强化学习论文合集】专栏介绍（订阅前必读）

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
Allenpandas·2022-11-28 19:17

[EasyRL]——第一章 强化学习基础

第一章强化学习基础转载自：蘑菇书EasyRL1.1强化学习概述**强化学习（reinforcementlearning，RL)**讨论的问题是智能体（agent）怎么在复杂、不确定的环境（environment
雨落俊泉·2022-11-28 09:40

强化学习 第 1 章 绪论

1.1强化学习概述强化学习（reinforcementlearning，RL）讨论的问题是智能体（agent）怎么在复杂、不确定的环境（environment）里面去最大化它能获得的奖励。
西西弗的小蚂蚁·2022-11-28 09:09

强化学习基础

以下学习笔记来自Datawhale组队学习的强化学习课程第一章，内容主要是强化学习的一些基础知识链接：https://datawhalechina.github.io/easy-rl/#/chapter1
zxc123qwer·2022-11-28 09:09

论文浅尝 | Efficient RDF graph storage based on RL

笔记整理：郑国鹏，天津大学硕士链接：https://link.springer.com/article/10.1007/s11280-021-00919-x动机知识是人工智能的基石，它通常以RDF图的形式表示。各个领域的大规模RDF图对图数据管理提出了新的挑战。关系型数据库因其成熟稳定的特性，是存储图数据库的热门方案。然而，在关系型数据库中管理结构复杂的RDF图需要复杂的存储结构设计。为了解决这个
开放知识图谱·2022-11-28 07:22

基于张成方案建立秘密分割方案

分配秘密sss假设M^\hat{M}M^是有lll列的单调张成方案，庄家持有的秘密为sss，可以按如下步骤构建秘密分割方案：从Kl\mathcal{K^l}Kl中生成一个随机向量r⃗=(r1,r2,...,rl
l齐天·2022-11-27 17:47

【强化学习】用强化学习通关超级马里奥！

Datawhale干货作者：肖遥，华中农业大学，Datawhale优秀学习者DQN算法实践之速通超级马里奥作为强化学习(ReinforceLearning,RL)的初学者，常常想将RL的理论应用于实际环境
风度78·2022-11-27 10:50

RL gym 环境（3）—— 环境向量化（批量训练）

本文介绍如何在gym套件中训练向量化的环境，所谓“向量化”，可以理解为把所有环境的observation、action、reward、info等所有信息都合在一起，拼成一个“环境向量”，从而把多个独立环境的训练过程组织在一起。agent和这些环境的交互可以是串行的，也可以是并行的。本文参考自官方文档Vectorisingyourenvironments请先看之前关于gym套件的基础介绍RLgym环
云端FFF·2022-11-26 14:28

【RL】强化学习另一种思路：policy-based方法

博主的github链接，欢迎大家来访问~：https://github.com/Sh-Zh-7强化学习经典算法实现地址：https://github.com/Sh-Zh-7/reinforce-learning-impl之前我们所介绍的，都是所谓value-based方法，它的中心思想是：既然我们要求的策略，是在给定状态的基础上选择动作。那么我通过研究动作的价值，就可以得到最优的策略。接下来要讲的
BananaScript·2022-11-26 02:20

从零实践强化学习之基于表格型方法求解RL(PARL)

Lesson2-1MDP、Q表格一、强化学习MDP四元组S:state状态A:action动作R:reward奖励r[st,at]P:probability状态转移概率p[st+1,rt|st,at]强化学习是一系列决策的过程,通过当前的环境状态和收到的奖励来决定下一次执行的动作Model-based:P函数和R函数已知Model-free：P函数和R函数未知二、Q表格：状态动作价值Q(st,at
小蒋的技术栈记录·2022-11-25 07:07

ubuntu 18.04.5中flow, smarts & xingtian 多智能体RL环境构建

ubuntu18.04.5中flow,smarts&xingtian多智能体RL环境构建Flow虚拟环境构建由于需要在同一个主机上运行多个环境，不同的环境具有不同的依赖包。
Jimmy-TONG·2022-11-24 15:42
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他