PPO深度强化学习

深度强化学习算法研究中的常用对比试验及作图技巧

比较学习速度（speedup）2比较数据效率（dataefficiency）3比较算法对超参数的鲁棒性（robustnesstohpyerparameters）作图技巧对原始数据进行统计后再作图参考文献前言很多深度强化学习领域的研究者在验证自己学习算法性能时常常会选择将该算法应用于
李大旗·2022-12-08 17:41

无监督学习

章前馈神经网络第5章卷积神经网络第6章循环神经网络第7章网络优化与正则化第8章注意力机制与外部记忆第9章无监督学习第10章模型独立的学习方式第11章概率图模型第12章深度信念网络第13章深度生成模型第14章深度强化学习第
Oracle中文开发者社区·2022-12-08 16:45

【强化学习论文】离线元强化学习中基于对比学习的稳定表示

离线元强化学习中基于对比学习的稳定表示最近几年来深度强化学习在算法上有很多进展，已初步用在很多场景中。目前深度强化学习有两个重要的问题：数据利用问题，泛化能力。
Wwwilling·2022-12-08 09:28

神经网络学习，这33 个「炼丹」技巧需要掌握

在读博期间，两次在谷歌实习，研究在Youtube视频上的大规模特征学习，2015年在DeepMind实习，研究深度强化学习。
互联网工匠_草木生·2022-12-08 06:42

强化学习（RL)——Reinforcement learning

强化学习一、强化学习简介二、强化学习发展历程三、深度强化学习DRL四、马尔可夫决策过程五、值函数六、Q值七、蒙特卡洛（MC）与时序差分（TD）八、强化学习的代表算法1.Q-learning算法2.DQN
雨落i·2022-12-08 02:01

用pytorch实现DDPG算法

DDPG算法原理的示意以及程序实现基本原理与结构：DDPG算法是Actor-Critic(AC)框架下的一种在线式深度强化学习算法，因此算法内部包括Actor网络和Critic网络，每个网络分别遵从各自的更新法则进行更新
m0_62444401·2022-12-07 12:56

px4与simulink搭建ppo在环训练平台，神经网络飞控

PPO网络结构ppo训练的方式为在线训练，在线训练的好处在于其存在2个网络，以降低对环境的拟合程度，也正因如此，可以使用ppoold网络作为试探网络，将其上传至px4飞控控制环作为数据收集的试探网络。
tiandajiang·2022-12-07 12:55

第8章 注意力机制与外部记忆

章前馈神经网络第5章卷积神经网络第6章循环神经网络第7章网络优化与正则化第8章注意力机制与外部记忆第9章无监督学习第10章模型独立的学习方式第11章概率图模型第12章深度信念网络第13章深度生成模型第14章深度强化学习第
zaiziwamei·2022-12-07 10:47

第9章 无监督学习

章前馈神经网络第5章卷积神经网络第6章循环神经网络第7章网络优化与正则化第8章注意力机制与外部记忆第9章无监督学习第10章模型独立的学习方式第11章概率图模型第12章深度信念网络第13章深度生成模型第14章深度强化学习第
zaiziwamei·2022-12-07 09:41

【重磅最新】163篇ICML-2021强化学习领域论文整理汇总(2021.06.07)

深度强化学习实验室官网：http://www.neurondance.com/论坛：http://deeprl.neurondance.com/作者：深度强化学习实验室来源：整理自https://icml.cc
深度强化学习实验室·2022-12-06 22:23

多智能体强化学习之QMIX

MonotonicValueFunctionFactorisationforDeepMulti-AgentReinforcementLearning参考博客：多智能体强化学习入门（五）——QMIX算法分析、多智能体强化学习入门QMIX参考书籍：《深度强化学习学术前沿与实战应用
微笑小星·2022-12-06 20:36

深度学习最常见的 26 个模型汇总，请务必掌握！

点击上方“AI有道”，选择“置顶”公众号重磅干货，第一时间送达本文转载自公众号：AI部落联盟（AI_Tribe）本文首先从4个方面（张量、生成模型、序列学习、深度强化学习）追踪深度学习几十年的发展史，然后再介绍主流的
weixin_33671935·2022-12-06 15:42

PARL源码走读——使用策略梯度算法求解迷宫寻宝问题

前不久，百度发布了基于PaddlePaddle的深度强化学习框架PARL。作为一个强化学习小白，本人怀着学习的心态，安装并运行了PARL里的quick-start。
飞桨PaddlePaddle·2022-12-06 12:02

《Easy RL：强化学习教程》出版了！文末送书

蘑菇书"萃取李宏毅的深度强化学习等经典课程，结合学习者角度的理解与分析，发布9个月，就在GitHub获得3.3k+Star和1w+下载，也有幸得到李宏毅、周博磊、李科浇等大
夕小瑶·2022-12-06 12:01

深度强化学习落地方法论（7）——训练篇

目录训练开始前环境可视化数据预处理训练进行中拥抱不确定性DRL通用超参数折扣因子作用原理选取方法FrameSkipping网络结构网络类型网络深度DRL特色超参数DQNDDPGPPO给DRL初学者的建议训练收敛后总结为了保证DRL算法能够顺利收敛，policy性能达标并具有实用价值，结果有说服力且能复现，需要算法工作者在训练前、训练中和训练后提供全方位一条龙服务。我记得GANs刚火起来的时候，因为
wyjjyn·2022-12-06 07:02

基于深度强化学习的机器人运动控制研究进展 | 无模型强化学习 | 元学习

1.基于深度强化学习的机器人运动控制研究进展1.1深度强化学习1.1.1强化学习简介：强化学习(ReinforcementLearning,RL)利用试错机制与环境进行交互,旨在通过最大化累积延迟奖励(
小帅吖·2022-12-05 23:53

【无标题】

基于LSTM预测和深度强化学习的任务卸载在物联网中的高效边缘计算摘要在物联网边缘计算中，任务卸载会导致额外的传输延迟和传输能耗。
动物园警铃大作-·2022-12-05 23:53

【论文解析】Fast Adaptive Task Offloading in Edge Computing Based on Meta Reinforcement Learning

最近，许多基于深度强化学习(DRL)的方法被提出，通过与由UE、无线信道和MEC主机组成的MEC环境交互来学习卸载策略。但是这些方法
橙子渣渣·2022-12-05 23:52

如何在AI工程实践中选择合适的算法？

在使用深度强化学习（DeepReinforcementLearning，DRL）算法解决实际问题的过程中，明确任务需求并初步完成问题定义后，就可以为相关任务选择合适的DRL算法了。
博文视点·2022-12-05 23:47

Deep Reinforcement Learning for Task Offloading in Mobile Edge Computing Systems

DeepReinforcementLearningforTaskOffloadinginMobileEdgeComputingSystems移动边缘计算系统中任务卸载的深度强化学习时间：2020期刊：TMC
动物园警铃大作-·2022-12-05 23:15

DeepMind成功使用"深度强化学习"技术完美控制"核聚变反应堆"！

本文约1400字，建议阅读5分钟DeepMind开发出世界上第一个深度强化学习AI。DeepMind在蛋白质折叠问题上实现巨大突破后，目标又转向核聚变了。
数据派THU·2022-12-05 13:51

让人造太阳更近！DeepMind强化学习算法控制核聚变登上Nature

DeepMind研究科学家DavidPfau在论文发表后感叹道：「为了分享这个时刻我已经等了很久，这是第一次在核聚变研究设备上进行深度强化学习的演示！」可控核聚变、强
数据派THU·2022-12-05 13:51

首个深度强化学习AI，能控制核聚变，成功登上《Nature》

编译|禾木木出品|AI科技大本营（ID:rgznai100）最近，DeepMind开发出了世界上第一个深度强化学习AI，可以在模拟环境和真正的核聚变装置中实现对等离子体的自主控制。
AI科技大本营·2022-12-05 13:16

史上首次，强化学习算法控制核聚变登上Nature：DeepMind让人造太阳向前一大步...

DeepMind研究科学家DavidPfau在论文发表后感叹道：「为了分享这个时刻我已经等了很久，这是第一次在核聚变研究设备上进行深度强化学习的演示！」
人工智能学家·2022-12-05 13:46

有AI学会控制核聚变反应堆了，来自DeepMind，登上今日Nature

最近，它开发出了世界上第一个深度强化学习AI——可以在模拟环境和真正的核聚变装置（托卡马克）中实现对等离子体的自主控制。陌生名词不要急，后面马上解释。
QbitAl·2022-12-05 13:45

强化学习中loss函数不下降

问题描述采用PPO算法训练gym.make('CartPole-v0')环境。
彬-·2022-12-05 10:14

深度强化学习中利用N-步TD预测算法在随机漫步应用中实战（超详细 附源码）

需要源码请点赞关注收藏后评论区留下QQ或者私信~~~一、N-步TD预测N步TD预测算法在TD(0)和MC之间架起了一座桥梁，而TD(L)算法则能进一步实现两者之间的无缝衔接。下面介绍N步TD预测N步TD算法更新方式介于TD(0)和MC之间，该类算法利用未来多步奖赏和多部之后的值函数估计求得目标值，例如两步更新就是利用未来两步奖赏和两步之后的值函数估计得到两步回报。N步TD属于TD（时序差分法）当前
showswoller·2022-12-04 16:15

读书笔记-Coordinated Deep Reinforcement Learners for Traffic Light Control

在交通灯控制问题引入了一种新的奖励函数，并提出了将DQN算法与传输规划transferplanning相结合的多代理深度强化学习方法。
EmilyGnn·2022-12-04 10:50

论文笔记之：Continuous Deep Q-Learning with Model-based Acceleration

ContinuousDeepQ-LearningwithModel-basedAcceleration本文提出了连续动作空间的深度强化学习算法。
a1424262219·2022-12-04 10:19

【强化学习笔记-02】多任务深度强化学习

“ASurveyofMulti-TaskDeepReinforcementLearning”-2020中文整理：https://zhuanlan.zhihu.com/p/265750570在中文整理的基础上对一些方法进行了补充。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

深度强化学习实验室(http://deeprlhub.com)

总结1：周志华||AI领域如何做研究-写高水平论文总结2：全网首发最全深度强化学习资料(永更)总结3:《强化学习导论》代码/习题答案大全总结4：30+个必知的《人工智能》会议清单总结5：2019年-57
深度强化学习实验室·2022-12-04 07:02

深度强化学习的组合优化[1] 综述阅读笔记

组合优化问题基础1.定义（1）定义（2）常见问题2.方法（1）精确方法（2）近似方法（3）深度学习方法3.文章架构一、概述1.神经网络（1）Hopfield网络（2）指针网络Ptr-Net（3）图神经网络3.深度强化学习
好奇小圈·2022-12-04 07:54

【Nature重磅】OpenAI科学家提出全新强化学习算法，推动AI向智能体进化

深度强化学习实验室官网：http://www.neurondance.com/论坛：http://deeprl.neurondance.com/编辑：DeepRL近年来，人工智能（AI）在强化学习算法的加持下
深度强化学习实验室·2022-12-03 13:19

单视频播放量超20万的公开课配套教材，猫书来了~

很难想象，网友们会用这些词来形容一个纯分享深度强化学习基础知识的视频课。
turingbooks·2022-12-03 13:32

【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
quintus0505·2022-12-03 08:42

Task02：马尔可夫决策及表格型方法 & Task03: 策略梯度和PPO算法

从Task02开始，就进入到了强化学习的一些核心概念：一、马尔可夫决策过程(MDP)：强化学习的基础数据模型，就是马尔可夫链(MC)。强化学习四元素（智能体（机器）、动作、状态、奖励）构成了一个数据流转过程：状态1->动作1->奖励1->状态2->动作2->奖励2....->状态n->动作n->奖励n其中的“状态”流转所构成的就是一个马尔科夫链，如下图：图片来自蘑菇书EasyRL具体定义可以参考《
MickWang1942·2022-12-03 06:17

人工智能-强化学习-算法：PPO（Proximal Policy Optimization，改进版Policy Gradient）【PPO、PPO2、TRPO】

强化学习算法{Policy-BasedApproach：PolicyGradient算法：LearninganActor/PolicyπValue-basedApproach：Critic{StatevaluefunctionVπ(s)State-ActionvaluefunctionQπ(s,a)  ⟹  Q-Learning算法Actor+Critic\begin{aligned}\text{
u013250861·2022-12-03 06:46

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

李宏毅深度强化学习(国语)课程(2018) 笔记（二）Proximal Policy Optimization（PPO）

李宏毅深度强化学习(国语)课程(2018)_哔哩哔哩_bilibilion-policy：要learn的agent和环境互动的agent是同一个，即agent一边跟环境互动，一边学习；off-policy
Interesting AI·2022-12-03 06:16

论文笔记之PPO

15年OpenAI发表了TRPO算法，一直策略单调提升的算法；17年DeepMind基于TRPO发表了一篇Distributed-PPO，紧接着OpenAI发表了这篇PPO。
Ton10·2022-12-03 06:12

给你一个 PPO × Family 课程，撑起整个决策 AI 宇宙

序幕童年经典游戏80、90年代出生的人，红白机总是童年时光重要的记忆片段之一。几叠游戏盒，两个手柄，就可以开启一整天的欢乐时光，乐此不疲地探索各种红白机游戏中的玩法、机制、彩蛋。虽然只是2维平面上的像素头小人，虽然只是“上上下下左右左右BABA”这般的简单按键，但依然被玩家们开发出了各种精彩纷呈的决策行为，时至今日，仍然有很多爱好者在挑战各种诸如“一命通关”，“最速通关”的游戏记录：而随着时代的发
OpenDILab开源决策智能平台·2022-12-03 06:11

图神经网络深度强化学习的挑战与机遇:算法与应用综述

，pr:控制中的应用，pk:知识图谱中的应用，pl:生命科学中的应用https://arxiv.org/abs/2206.07922https://arxiv.org/abs/2206.07922摘要深度强化学习
小蜗子·2022-12-03 01:59

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
IEEEagent RL·2022-12-02 13:10

深度强化学习入门

作者：清凇（就职于阿里巴巴，搜索排序、自然语言处理）https://www.zhihu.com/people/huaqingsong过去的一段时间在深度强化学习领域投入了不少精力，工作中也在应用DRL解决业务问题
人工智能与算法学习·2022-12-02 13:39

深度强化学习（理论篇）—— 从 Critic-only、Actor-only 到 Actor-Critic

本文转自：https://blog.csdn.net/lipengcn/article/details/81253033#1概述##1.1强化学习v.s.监督学习强化学习，与监督学习、无监督学习并列，作为机器学习的三大类。强化学习，研究的是agent从与environment交互过程进行学习，学习如何作用于environment，从而可以从environment得到最优的激励。这个过程可以描述如下
AI点滴积累·2022-12-02 13:33

上海交通大学计算机系张伟楠,上海交通大学张伟楠博士来南开大学计算机学院进行学术讲座...

2018年9月17日星期一下午14:00，上海交通大学博士张伟楠博士来我院进行题目为“面向海量智能体系统的深度强化学习技术”的学术讲座。
DiaoGe668·2022-12-02 03:59

综述向：强化学习方法梳理（持续更新）

本文会先分享《深度强化学习综述》中提到的深度强化学习（DRL）模型，后续将分享PPO,DecisionTransformer等新方法。《深度强化学习综述》论文将深度强化学习（DRL
洛基Nickey·2022-12-01 19:56

基于 Paddle2.0 的强化学习新玩法 —— 通关超级马里奥兄弟

基于Paddle2.0的强化学习新玩法——通关超级马里奥兄弟本文目录基于Paddle2.0的强化学习新玩法——通关超级马里奥兄弟前言马里奥游戏环境简介PPO算法简介基于Paddle2.0实现PPO通关小技巧效果展示全文回顾前言超级马里奥兄弟作为几代人的童年回忆
ZiSeoi·2022-12-01 16:18

用深度强化学习玩超级马里奥兄弟

介绍从本文中，你将学习如何使用DeepQ-Network和DoubleDeepQ-Network（带代码！）玩超级马里奥兄弟。超级马里奥是任天堂在1980年代开发和发行的著名游戏。它是历经多年无需解释的经典游戏名称之一。这是一款2D横向卷轴游戏，让玩家可以控制主角——马里奥。游戏玩法包括从左到右移动马里奥，从反派中生存下来，获得硬币，以及到达旗帜以清除关卡。马里奥最终需要拯救公主。这些有不同的奖励
woshicver·2022-12-01 16:48

强化学习--tf2.4 超级马里奥（super mario） PPO复现

花了我零零散散两周的时间来从最初的Q_Learning,sarsa到高级的DQN,PG,DDPG再到最后的AC,A3C,PPO，我真的觉得没点看头，不知道学完之后能不能搞SuperMario,很不错，tf2
百度pkq·2022-12-01 16:46
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他