Hung-yi强化学习

4 Tensorflow图像识别模型——数据预处理

机器学习基于学习方式的分类，可分为：监督学习无监督学习强化学习百度百科对监督学习的定义是使用标记数据集来训练算法，以
要开朗的spookypop·2023-11-05 02:01

AI：51-基于深度学习的电影评价

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·2023-11-04 22:24

LLM系列 | 26：阿里千问Qwen模型解读、本地部署

引言简介预训练数据来源预处理分词模型设计外推能力模型训练实验结果部署实测对齐监督微调(SFT)RM模型强化学习对齐结果(自动和人工评估)自动评估人工评估部署实测总结引言人生自是有情痴，此恨不关风与月。
JasonLiu1919·2023-11-04 18:44

AI：53-基于机器学习的字母识别

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·2023-11-04 06:43

[PyTorch][chapter 61][强化学习-免模型学习1]

前言：在现实的学习任务中，环境其中的转移概率P,奖赏函数R是未知的，或者状态X也是未知的称为免模型学习（model-freelearning）目录：1:蒙特卡洛强化学习2：同策略-蒙特卡洛强化学习3：异策略
明朝百晓生·2023-11-04 04:06

[PyTorch][chapter 60][强化学习-2-有模型学习2]

前言：前面我们讲了一下策略评估的原理,以及例子.强化学习核心是找到最优的策略，这里重点讲解两个知识点：策略改进策略迭代与值迭代最后以下面环境E为例，给出Python代码。
明朝百晓生·2023-11-04 04:36

强化学习（RL）的学习笔记

1.前言（1）PPO的优点PPO（ProximalPolicyOptimization）算法相比其他强化学习方法有几个显著优点：稳定性和鲁棒性：PPO通过限制策略更新的幅度来避免训练过程中的大幅波动，这增加了算法的稳定性和鲁棒性
songyuc·2023-11-04 03:25

【强化学习】13 —— Actor-Critic 算法

文章目录REINFORCE存在的问题Actor-CriticA2C：AdvantageousActor-Critic代码实践结果参考REINFORCE存在的问题基于片段式数据的任务通常情况下，任务需要有终止状态，REINFORCE才能直接计算累计折扣奖励低数据利用效率实际中，REINFORCE需要大量的训练数据高训练方差（最重要的缺陷）从单个或多个片段中采样到的值函数具有很高的方差Actor-Cr
yuan〇·2023-11-04 00:53

【强化学习】14 —— A3C（Asynchronous Advantage Actor Critic）

A3C是一种非常有效的深度强化学习算法，在围棋、星际争霸等复杂任务上已经取得了很好的效果。接下来，我们先从A3C的名称入手，去解析这个算法。
yuan〇·2023-11-04 00:53

【强化学习】12 —— 策略梯度（REINFORCE ）

文章目录前言策略梯度基于策略的强化学习的优缺点Example:AliasedGridworld策略目标函数策略优化策略梯度利用有限差分计算策略梯度得分函数和似然比策略梯度定理蒙特卡洛策略梯度（Monte-CarloPolicyGradient
yuan〇·2023-11-04 00:23

【强化学习】15 —— TRPO（Trust Region Policy Optimization）

文章目录前言TRPO特点策略梯度的优化目标使用重要性采样忽略状态分布的差异约束策略的变化近似求解线性搜索算法伪代码广义优势估计代码实践离散动作空间连续动作空间参考前言之前介绍的基于策略的方法包括策略梯度算法和Actor-Critic算法。这些方法虽然简单、直观，但在实际应用过程中会遇到训练不稳定的情况。回顾一下基于策略的方法：参数化智能体的策略，并设计衡量策略好坏的目标函数，通过梯度上升的方法来最
yuan〇·2023-11-04 00:49

一文速览机器学习的类别（Python代码）

即训练数据的标签信息的差异，可以分为监督学习（supervisedlearning）、非监督学习（unsupervisedlearning）、半监督学习（semi-supervisedlearning）和强化学习
算法进阶·2023-11-03 16:44

强化学习书籍与课程推荐

书籍1.ReinforcementLearning：AnIntroductionSecondEdition【强化学习(第二版)】RichardS.Sutton著视频资源1.深度强化学习课程https:/
小郁同学·2023-11-03 16:02

人工智能大模型技术基础系列之：自动模型搜索与架构优化

作者：禅与计算机程序设计艺术1.简介在深度学习、神经网络、强化学习等领域，大量的机器学习模型被提出，其中最火热的就是深度学习模型。
禅与计算机程序设计艺术·2023-11-03 15:41

AI：49-基于深度学习的杂草识别

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·2023-11-03 10:34

第一章 机器学习概述

机器学习）1.1特点1.2对象1.3目的1.4方法1.5步骤2.基本分类2.1监督学习2.1.1输入空间、特征空间和输出空间2.1.2概率分布2.1.3假设空间2.1.4问题的形式化2.2无监督学习2.3强化学习
小酒馆燃着灯·2023-11-03 05:17

强化学习介绍

强化学习的组成要素策略（policy）,奖赏信号reward,值函数valuefunction,以及可选的环境模型modelpolicy定义了agent在一给定时间的决策方式。
woshishengyong·2023-11-03 04:55

强化学习基础之概念介绍

什么是强化学习广泛地讲，强化学习是机器通过与环境交互来实现目标的一种计算方法。
爱你是长久之计~·2023-11-03 04:24

深度强化学习

深度强化学习14.1强化学习问题14.1.1强化学习定义14.1.2马尔可夫决策过程14.1.3强化学习的目标函数14.1.4值函数14.1.5深度强化学习14.2基于值函数的学习方法14.2.1动态规划算法
爱蹦跶的小贺·2023-11-03 04:20

强化学习基础 | 介绍特点、基本要素、组成、智能体

文章目录1.强化学习应用2.强化学习介绍2.1强化学习特点2.2强化学习基本要素2.2.1奖励2.2.2序列决策2.2.3智能体2.3智能体组成2.3.1策略2.3.2价值函数2.3.3模型2.4智能体分类
Qodi·2023-11-03 03:04

AI：46-基于深度学习的垃圾邮件识别

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·2023-11-03 02:40

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

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

[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
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他