GAN-强化学习

DPO 直接偏好优化：跳过复杂的对抗学习，语言模型本来就会奖励算法

大语言模型（LLM）在掀起“全民”热潮的同时，也将人类反馈强化学习（RLHF）和奖励模型（RewardModel）带进了大家的视线。
·2023-07-13 15:14

论文阅读笔记（一）：Weak Supervision for Fake News Detection via Reinforcement Learning

论文简介：这是一篇AAAI2019年收录的论文，由腾讯微信团队发表，本文主要介绍是用强化学习方法来进行垃圾新闻检测，强化学习可以获得高质量的带有标签的样本，本文提出了一个检测框架，通过微信官方账户实验数据表明
·2023-06-24 10:38

David Silver强化学习公开课（五）：不基于模型的控制

本讲是基础理论部分的最后一讲，本讲以后的内容都是关于实际应用强化学习解决大规模问题的理论和技巧。
xl.zhang·2023-06-24 09:24

人工智能（2）：机器学习算法分类

根据数据集组成不同，可以把机器学习算法分为：监督学习无监督学习半监督学习强化学习1监督学习定义：输入数据是由输入特征值和目标值所组成。
不死鸟.亚历山大.狼崽子·2023-06-24 07:54

超强指南！推荐算法架构——重排

】2022年8月份热门报告2、【实践】小红书推荐中台实践3、微信视频号实时推荐技术架构分享4、对比学习在宽狩推荐系统中的应用实践5、微博推荐算法实践与机器学习平台演进6、腾讯PCG推荐系统应用实践7、强化学习算法在京东广告序列推荐场景的应用
智能推荐系统·2023-06-23 23:38

强化学习从基础到进阶-案例与实践[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-06-23 21:00

强化学习从基础到进阶-常见问题和面试必知必答[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-06-23 21:30

强化学习：随机近似与随机梯度下降

meanestimation  通过前面的学习，我们知道可以通过很多采样来求期望。而求xˉ\barxxˉ的方法由两种，一是直接将采样数据相加再除以个数，但这样的方法运行效率较低。第二种方法是迭代式的计算，即来几个数据就算几个数据，具体计算如下：随机近似法：Robbins-Monro(RM)  假设我们现在需要求解方程：g(w)=0g(w)=0g(w)=0那么就有两种情况，一种是函数表达式我们知道，
~hello world~·2023-06-23 21:58

强化学习：时序差分算法 TD-learning

例子引入  首先，我们考虑简单的平均估计计算：w=E[X]w=E[X]w=E[X]，根据RM算法计算过程如下：  接着上面的例子，我们现在考虑一个较为复杂的问题，估计函数v(X)v(X)v(X)的平均值，根据RM算法计算过程如下：  接着上面的例子，我们现在考虑一个更复杂的问题，有两个随机变量，根据RM算法计算过程如下：TD算法介绍  TD-Learning通常指的是广泛的一类RL算法，但此处的T
~hello world~·2023-06-23 21:57

强化学习从基础到进阶-常见问题和面试必知必答[2]：马尔科夫决策、贝尔曼方程、动态规划、策略价值迭代

强化学习从基础到进阶-常见问题和面试必知必答[2]：马尔科夫决策、贝尔曼方程、动态规划、策略价值迭代1.马尔科夫决策核心词汇马尔可夫性质（Markovproperty，MP）：如果某一个过程未来的状态与过去的状态无关
·2023-06-23 15:53

MindSpore：强化学习基础-蒙特卡洛(Monte Carlo)

在接触强化学习过程中，大家可能在很多场合听说蒙特卡洛这个词，例如MonteCarloTreeSearch，MonteCarloCFR。
·2023-06-23 15:52

强化学习从基础到进阶-常见问题和面试必知必答[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等

强化学习从基础到进阶-常见问题和面试必知必答[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战1.核心词汇概率函数和奖励函数：概率函数定量地表达状态转移的概率
·2023-06-23 15:51

第一篇：强化学习基本原理通俗介绍

简单来说，你走对了，我奖励你；走到障碍物那里，我惩罚你；找到出口我大大的奖励你，这就是一个简单明了的奖励机制。
xwz小王子·2023-06-23 15:06

第二篇：强化学习中的7个基础概念

这是强化学习第二篇：强化学习7个基础概念在强化学习中，智能体需要在不断尝试和错误的过程中学习，通过观察环境的反馈（奖励或惩罚）来调整自己的行为，从而逐步改进策略。
xwz小王子·2023-06-23 15:06

智能汽车芯片大战，拼什么

MLCommons是一家成立于2018年5月的行业基准测试组织，测试基于当今最常用的AI工作负载和场景，涵盖计算机视觉、医学影像、自然语言处理、推荐系统、强化学习等。
高工智能汽车·2023-06-23 09:56

强化学习复现笔记(3)Robbins-Monro算法证明

摘要：都没证完，感觉都有问题。  有个不知道具体表达式（也就是黑箱）的单调递增函数M(x)M(x)M(x)满足00,∑n=1∞an=∞,∑n=1∞an20,\sum_{n=1}^\inftya_n=\infty,\sum_{n=1}^\inftya_n^20,n=1∑∞an=∞,n=1∑∞an2−∞b_n>-\inftybn>−∞。第三项中利用条件概率性质E[xg(y)∣y]=g(y)E[x∣y]
找不到服务器zhn·2023-06-23 05:28

MEC相关论文笔记

论文名称：基于深度强化学习的车辆边缘计算调度DeepReinforcementLearning-BasedOffloadingSchedulingforVehicularEdgeComputing前言VEC
照旧的你好·2023-06-23 03:52

强化学习中的重要收敛性结论(2)：常见RL算法的收敛性

强化学习的理论基础是MDP（MarkovDecesionProcess），当MDP中的策略π\piπ确定之后，MDP便是最一般的MarkovProcess的形式。
赛亚茂·2023-06-23 02:36

强化学习中的重要收敛性结论(1):常用定理

了解强化学习中一些重要收敛性结论的证明过程，对设计好的强化学习算法以及了解一些强化学习中一些基本结论的由来是大有裨益的。
赛亚茂·2023-06-23 02:06

致命友们的家信

这个词非常的陌生，却又那么的亲切，20年的2月22日机缘之下进入了恒洋老师的直播课，主题：“如何成为富人”，短短的一个半小时刷新了我的世界观，所输出的理念正是这个时代的红利趋势，提倡我们学会不断的自我探索、强化学习
清风_Eva·2023-06-23 01:48

ChatGPT 精简总结：Chat Generative Pre-trained Transformer

在训练时，InstructGPT使用了带有指令或约束条件的数据来训练模型（指令微调SFT，奖励模型RM，强化学习PPO）。
#苦行僧·2023-06-22 20:55

强化学习：AI领域的下一步里程碑

在AI的众多技术领域中，强化学习（ReinforcementLearning）作为一种类似于人类学习的方式，在解决复杂问题方面取得了令人瞩目的成果。
小正太浩二·2023-06-22 19:45

吴恩达ChatGPT《Prompt Engineering》笔记

LargeLanguageModel，大语言模型InstructionTunedLLM：经过指令微调的大语言模型Prompt：提示词RLHF：ReinforcementLearningfromHumanFeedback，人类反馈强化学习
datamonday·2023-06-22 16:51

ChatGPT的前世今生

该程序使用基于GPT-3.5、GPT-4架构的大语言模型并以强化学习训练。
莫尔索随笔·2023-06-22 14:26

Life——一个简洁易用的强化学习库，基于pytorch

简介Life是一个基于pytorch实现的强化学习库，实现了多种强化学习算法。
神采的二舅·2023-06-22 11:44

【强化学习】——Q-learning算法为例入门Pytorch强化学习

如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1、强化学习是什么1.1定义1.2基本组成1.3马尔可夫决策过程2、强化学习的应用3、常见的强化学习算法3.1Q-learn
Lingxw_w·2023-06-22 11:40

深度学习一点通：chatGPT 用到的RLHF流程，和 fine tuning有何区别？

利用来自人类反馈的强化学习（RLHF）已被证明是一种有效的方法，可以使基础模型与人类偏好相一致。
robot_learner·2023-06-22 07:39

移动机器人路径优化：基于Q-learning算法的移动机器人路径优化（提供MATLAB代码）

一、Q-learning算法Q-learning算法是强化学习算法中的一种，该算法主要包含：Agent、状态、动作、环境、回报和惩罚。
IT猿手·2023-06-22 07:48

具身智能与强化学习前沿进展 | 2023智源大会精彩回顾

在2023北京智源大会“具身智能与强化学习”论坛中，我们邀请了领域内顶尖学者，包括北京大学助理教授王鹤、美国UCSD的助理教授苏昊、北京大学的助理教授卢宗青、清华大学的副教授眭亚楠和中科院计算所的研究员蒋树
智源社区·2023-06-22 04:39

每日学术速递6.8

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.BundleSDF:Neural6-DoFTrackingand3DReconstructionofUnknownObjects
AiCharm·2023-06-22 03:12

走进人工智能|机器学习 解码未来的科技革命

机器学习算法主要分为监督学习、无监督学习和强化学习三种类型。监督学习是
万物皆可der·2023-06-22 02:31

ARFace:基于强化学习的注意感知和正则化人脸识别

ARFace:基于强化学习的注意感知和正则化人脸识别摘要不同的人脸区域对识别的贡献不同。特别是在野外环境中，由于受到大量干扰，贡献度的差异会进一步放大。
柠檬A123·2023-06-22 01:38

强化学习实践（一）基于MDP策略迭代计算Frozenlake问题

1、策略迭代代码#usePolicyIterationtosolveFrozenlakeproblemimportnumpyasnpimportgym#RunsanepisodeandreturnthetotalrewarddefRun_episode(env,policy,gamma=1.0,render=False):obs=env.reset()total_reward=0step_idx=
Mariooooooooooo·2023-06-21 23:16

强化学习实践（二）基于MDP价值迭代的解FrozenLake问题

1、基于MDP价值迭代的解FrozenLake问题importnumpyasnpimportgymdefrun_episode(env,policy,gamma=1.0,render=False):"""Evaluatespolicybyusingittorunanepisodeandfindingitstotalreward.args:env:gymenvironment.policy:thep
Mariooooooooooo·2023-06-21 23:16

每日学术速递6.5

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.Humansin4D:ReconstructingandTrackingHumanswithTransformers
AiCharm·2023-06-21 23:43

强化学习：python生成数据曲线平滑处理——(Savitzky-Golay 滤波器、convolve滑动平均滤波)方法介绍，推荐玩强化学习的小伙伴收藏

相关文章：Pythonxlwt数据保存到Excel中以及xlrd读取excel文件画图先上效果图：由于高频某些点的波动导致高频曲线非常难看，为了降低噪声干扰，需要对曲线做平滑处理，让曲线过渡更平滑，可以看出经过平滑处理后更明显去除噪声且更加美观。1.滑动平均滤波
汀、人工智能·2023-06-21 22:42

从数据开始，构建值得信赖的生成式AI应用

基于人类反馈的强化学习ReinforcementLearningw
澳鹏Appen·2023-06-21 14:04

每日学术速递6.10

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.Unifying(Machine)VisionviaCounterfactualWorldModeling
AiCharm·2023-06-21 13:00

每日学术速递6.7

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.TheObjectFolderBenchmark:MultisensoryLearningwithNeuralandRealObjects
AiCharm·2023-06-21 09:47

每日学术速递6.12

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.DynIBaR:NeuralDynamicImage-BasedRendering(CVPR2023AwardCandidate
AiCharm·2023-06-21 08:22

每日学术速递6.13

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.TrackingEverythingEverywhereAllatOnce标题：一次跟踪所有地方的一切作者
AiCharm·2023-06-21 08:22

每日学术速递6.14

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.RealisticSaliencyGuidedImageEnhancement标题：现实显着性引导图像增强作者
AiCharm·2023-06-21 08:52

每日学术速递6.9

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.SegmentAnythinginHighQuality标题：以高质量分割任何内容作者：LeiKe,MingqiaoYe
AiCharm·2023-06-21 08:50

强化学习从基础到进阶-常见问题和面试必知必答[2]：马尔科夫决策、贝尔曼方程、动态规划、策略价值迭代

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-06-21 04:16

强化学习从基础到进阶-案例与实践[1]：强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-06-21 04:15

供应链 | 基于图神经网络和深度强化学习的柔性车间调度方法

编者按本次解读的文章发表于IEEETRANSACTIONSONINDUSTRIALINFORMATICS，原文摘要总结如下：本文考虑了众所周知的灵活作业车间调度问题，并通过提出一种新颖的深度强化学习（DRL
运筹OR帷幄·2023-06-21 04:42

每日学术速递3.29

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.Grid-guidedNeuralRadianceFieldsforLargeUrbanScenes标题
AiCharm·2023-06-21 04:21

强化学习从基础到进阶-案例与实践[2]：马尔科夫决策、贝尔曼方程、动态规划、策略价值迭代

【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理
汀、人工智能·2023-06-20 14:35

强化学习基础篇【1】：基础知识点、马尔科夫决策过程、蒙特卡洛策略梯度定理、REINFORCE 算法

强化学习基础篇【1】：基础知识点、马尔科夫决策过程、蒙特卡洛策略梯度定理、REINFORCE算法1.强化学习基础知识点智能体（agent）：智能体是强化学习算法的主体，它能够根据经验做出主观判断并执行动作
·2023-06-20 13:42

强化学习离轨策略：从失败中获得成功经验 - 以追女孩为例 | 采样率的数学意义

用强化学习的角度看，小拍在这几年做了很好的离轨策略（off-policy）学习，即从自己和别人“追女生”这个过程中学习经验，无论结果成败，都能有效地学到东西。本文我们就
·2023-06-20 13:09
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他