E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
Q-LEARNING
深度增强学习（DRL）简单梳理
/blog.csdn.net/xg123321123/article/details/77504032声明：版权所有，转载请联系作者并注明出处0主要话题增强学习面临的问题马尔科夫过程形式化描述增强学习
Q-learning
时光杂货店
·
2020-08-25 01:02
深度增强学习
强化学习中的
Q-learning
算法和Sarsa算法的区别
欢迎点击参观我的——>个人学习网站&技术杂谈
Q-learning
算法描述：Sarsa算法描述：假设我们的Q(s,a)是一个Qtable，如下图所示，该表格表示共有三个state(状态)：s1s_{1}s1
iTensor
·
2020-08-25 01:28
强化学习
强化学习
【强化学习】中
Q-learning
,DQN等off-policy算法不需要重要性采样的原因
由于
Q-learning
采用的是off-policy，如下图所示但是为什么不需要重要性采样。
贰锤
·
2020-08-25 01:19
强化学习
强化学习薄荷糖
强化学习笔记+代码（七）：Actor-Critic、A2C、A3C算法原理和Agent实现(tensorflow)
本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现
Q-learning
算法原理和Agent实现DQN
nbszg
·
2020-08-25 01:06
深度学习
机器学习
Tensorflow
强化学习笔记+代码（五）：Double-DQN、Dueling DQN结构原理和Agent实现
本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现
Q-learning
算法原理和Agent实现DQN
nbszg
·
2020-08-25 01:05
深度学习
Tensorflow
机器学习
强化学习笔记+代码（二）：SARSA算法原理和Agent实现
本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现
Q-learning
算法原理和Agent实现DQN
nbszg
·
2020-08-25 01:05
深度学习
python
机器学习
强化学习笔记+代码（三）：
Q-learning
算法原理和Agent实现
本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现
Q-learning
算法原理和Agent实现DQN
nbszg
·
2020-08-25 01:05
深度学习
Tensorflow
机器学习
[强化学习] off-policy和on-policy、
Q-learning
和Sarsa的区别、Sarsa-lambda、Q-lambda
看了莫凡大神(link)关于
Q-learning
和Sarsa的视频之后，大概了解了
Q-learning
和Sarsa，但是对其区别还是有点懵懵懂懂，这篇博客便是后续对其理解的过程记录。
nana-li
·
2020-08-25 01:06
Reinforcement
Learning
强化学习
Q-learning
Sarsa
Q-lambda
Q-learning
与Sarsa算法的区别
接触reinforcementlearning有一个月的时间了，现在回来回顾当时写的
Q-learning
和Sarsa算法，有了更多的感触。
赵YN的csdn
·
2020-08-25 01:40
多代理强化学习MARL（MADDPG，Minimax-Q，Nash
Q-Learning
）
由于强化学习领域目前还有很多的问题，如数据利用率，收敛，调参玄学等，对于单个Agent的训练就已经很难了。但是在实际生活中单一代理所能做的事情还是太少了，而且按照群体的智慧，不考虑训练硬件和时长问题，使用多个agent同时进行学习，会不会有奇招呢？另外如果在需要multi-agent的场景下，如想要完成多人游戏的话，也必须要考虑到多代理的问题。博弈论（gametheory）在单个agent中只需要
上杉翔二
·
2020-08-25 01:40
强化学习
强化学习(
Q-learning
~了解了一波
Q-learning
是通过奖励与惩罚机制建立的Q_table去判断其下一步该怎么走一个小笨蛋如何自己学着用最近的步伐走到最右边产生一组伪随机数列，伪随机是随机种子是相同的np.random.seed(2
ye-leng
·
2020-08-25 01:02
机器学习
时间差分方法
Q-learning
和sarsa的区别
Q-learning
和sarsa都是利用时间差分目标来更新当前行为值函数的。
小蚂蚁呀
·
2020-08-25 01:19
各种DQN
Q-learningDQN论文：Human-levelcontrolthroughdeepreinforcementlearningDQN其实就是将深度学习与
Q-learning
结合起来了，建立了卷积神经网络来估计
研究僧m0_37600149
·
2020-08-25 00:20
强化学习
强化学习(五) - 无模型学习(Sarsa、
Q-Learning
)
上一节主要讲了Monte-Carlolearning，TDlearning。这两个方法都是在给定策略下来估计价值函数V(s)。但是我们的目标是想得到最优策略。基于模型的策略优化过程分为策略评估和策略改进。从一个策略π和v(s)函数开始，先利用当前策略π估算v值，然后通过v值来更新策略π。交替迭代，最后会收敛到最优策略和最优价值函数。那么对于模型未知的情况，是否还能使用呢？答案是不能。模型未知的情况
EmilyGnn
·
2020-08-25 00:55
强化学习
【笔记2-5】李宏毅深度强化学习笔记（五）Sparse Reward
www.bilibili.com/video/av24724071李宏毅深度强化学习笔记（一）Outline李宏毅深度强化学习笔记（二）ProximalPolicyOptimization(PPO)李宏毅深度强化学习笔记（三）
Q-Learning
jessie_weiqing
·
2020-08-25 00:31
笔记
李宏毅深度强化学习笔记
基于Policy的强化学习算法
在文章基于Value的强化学习算法中，介绍了
Q-learning
和SARSA两种经典的强化学习算法。在本篇文章中，将介绍一下基于Policy的经典强化学习算法——PolicyGradient。
Java与Android技术栈
·
2020-08-25 00:56
Combining policy gradient and
Q-learning
https://arxiv.org/abs/1611.01626BrendanO'Donoghue,RemiMunos,KorayKavukcuoglu,VolodymyrMnih(Submittedon5Nov2016(v1),lastrevised7Apr2017(thisversion,v3))Policygradientisanefficienttechniqueforimprovinga
算法学习者
·
2020-08-25 00:00
paper
reading
RL
深度学习中sarsa算法和
Q-learning
算法的区别
sarsa和
Q-learning
都是时序差分下对动作价值函数优化的单步方法，算法基本上一样，只有一点：为了更新St的动作价值函数，需要St+1的动作价值函数，St+1是由St和At决定的，但是St+1对应的
zhaoying9105
·
2020-08-25 00:28
增强学习
机器学习
算法
时序差分
【强化学习笔记】从 “酒鬼回家” 认识Q Learning算法
1.背景现在笔者来讲一个利用
Q-learning
方法帮助酒鬼回家的一个小例子,例子的环境是一个一维世界,在世界的右边是酒鬼的家。
wolf_ray
·
2020-08-25 00:56
强化学习
强化学习笔记+代码（六）：Policy Gradient结构原理和Agent实现(tensorflow)
本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现
Q-learning
算法原理和Agent实现DQN
nbszg
·
2020-08-25 00:20
深度学习
机器学习
Tensorflow
强化学习中的off-policy 和on-policy
off-policy的经典算法有
Q-learning
，而on-policy的经典算法有SARSA算法，两
茄砸
·
2020-08-25 00:49
深度强化学习笔记
深度强化学习笔记
深度学习第55讲：强化学习简介与
Q-Learning
实例
本节和下一节笔者将和大家来看一下强化学习(ReinforcementLearning)的相关内容。从整个机器学习的任务划分上来看，机器学习可以分为有监督学习、有监督和半监督学习以及强化学习，而我们之前一直谈论的图像、文本等深度学习的应用都属于监督学习范畴。自编码器和生成式对抗网络可以算在无监督深度学习范畴内。最后就只剩下强化学习了。但是我们这是深度学习的笔记，为什么要把强化学习单独拎出来讲一下呢？
louwill12
·
2020-08-25 00:50
一图看懂Policy Gradients深度强化学习算法
二、算法原理三、算法实现流程四、与Q系列算法相比的优劣五、总结前言基于PolicyGradients（策略梯度法，后文简称PG）的深度强化学习方法，思想上与基于
Q-learning
的系列算法有本质的不同
薄荷-塘
·
2020-08-25 00:45
深度强化学习
策略梯度强化学习
深度学习
机器学习
Pandas使用笔记
在学习
Q-Learning
的时候需要使用该工具，可以简化表格的更新过程。并且提供比较规整的可视化数据，也可以进一步的保存表格。
lixuzong
·
2020-08-25 00:31
为什么
Q-Learning
有效？
关于最优价值函数、最优行为的定义如下：最优价值函数最优行为最优价值函数的学习准则最近在思考，为什么
Q-Learning
能取得如此好的效果。
海街diary
·
2020-08-23 14:34
强化学习7日打卡营学习总结和心得
课程收获在科科老师的讲解下，了解到了强化学习的应用，了解到了基于价值的方法（saras，
Q-learning
）和基于策略的方法（REINFORCE算法）,还有应用在连续动作空间的算法（DDPG）。
s_tatic_
·
2020-08-23 06:40
笔记
Q-learning
与svc视频流多径传输
我遇到这篇文章，在这里做个记录，怕以后忘记了。 [1]是硕士论文，其主要思想被总结到小论文[2]。[2]中主要研究的svc视频流的层数选择在SDN网络中的多路径传输，它被建模成一个离散的马尔科夫决策过程(MDP)。MDP里面主要有四个元素，状态空间(S)，行动空间(A)，状态转移概率(p)，奖励(r)。优化目标是在相应的状态上，采取一个行动，使其期望收益最大。可以使用数学公式描述。maxmize
Soonyang Zhang
·
2020-08-22 22:16
计算机网络
多径传输
Q-learning
MATLAB强化学习入门——二、网格迷宫、
Q-learning
算法、Sarsa算法
一、多步决策问题和网格迷宫上一篇文章里讨论多臂赌机问题是单步最优决策问题的对应模型。而在这之后，则可以考虑离散的多步决策问题。离散的多步决策问题，对应的典型问题模型则是网格迷宫(GridWorld)。前文中，ε-greedy策略，softmax策略的原理及其特点得到了讨论。而这些策略，可以看作智能体应对某一状态时选择动作的方式。策略应用的前提，则是智能体对于动作的优劣有着某种估计（无论正确与否）。
忘了面孔的Batou
·
2020-08-21 11:23
强化学习与控制
强化学习(Reinforcement Learning)简单例子的Matlab代码实现——扫地机器人（
Q-learning
and SARSA）
强化学习（ReinforcementLearning,RL）作为机器学习的一种技术，近年来受到了大量的关注，也取得了一些应用上的进展，比如AlphaGo的成功。论坛上已经有了大量的帖子博文介绍强化学习，感兴趣的朋友可以参考https://blog.csdn.net/Young_Gy/article/details/73485518，https://blog.csdn.net/liweibin199
玄在天涯
·
2020-08-21 09:55
Reinforcement
Learning
AI学习笔记——Sarsa算法
上一篇文章介绍了强化学习中的
Q-Learning
算法，这篇文章介绍一个与
Q-Learning
十分类似的算法——Sarsa算法。
Hongtao洪滔
·
2020-08-20 18:22
Practical Block-wise Neural Network Architecture Generation论文翻译
在本文中，我们提供了一个名为BlockQNN的分块网络生成管道，它使用具有epsilon-greedy探索策略的
Q-Learning
范式自动构建高性能网络。
weixin_43955225
·
2020-08-20 04:19
MetaQNN : 与Google同场竞技，MIT提出基于
Q-Learning
的神经网络搜索 | ICLR 2017
论文提出MetaQNN，基于
Q-Learning
的神经网络架构搜索，将优化视觉缩小到单层上，相对于GoogleBrain的NAS方法着眼与整个网络进行优化，虽然准确率差了2～3%，但搜索过程要简单地多，
晓飞的算法工程笔记
·
2020-08-20 04:16
晓飞的算法工程笔记
机器学习
人工智能
深度学习
神经网络
算法
强化学习方法归纳
图1强化学习算法的分类强化学习方法主要包括：基于价值的方法，如
Q-learning
，DQN；基于策略搜索的方法（PolicyGradient）；以及两者的结合行为-评判模型（actor-critic）等
yeqiang19910412
·
2020-08-19 06:30
增强学习
【莫烦】强化学习（
Q-learning
和Sara）
目录1.Q-learning1）两个状态两个动作的例子2）Q-learing流程2.Sara1）OriginalSara2）Sara(λ\lambdaλ)1.Q-learningQ-learning属于off-policy，即它看着别人玩来学习。而Sara是走到哪一步就选哪一步，所以只能从自身的经验来学习。可以说成Sara比较胆小，尽量保存自身的安全。1）两个状态两个动作的例子2）Q-learin
水滴_
·
2020-08-18 17:46
DQN（Deep
Q-learning
）从入门到放弃笔记
DQN中基本的概念：A代表的是Agent的所有动作，a代表的是Agent的一个动作。S代表的是Agent所能感知的世界的所有状态，s代表的是Agent的一个状态。R是一个实数值，代表奖励或惩罚（Reward）。π代表的是状态State和动作Action存在的映射关系，即策略Policy。如果策略是随机的，policy是根据每个动作概率π(a|s)选择动作；如果策略是确定性的，policy则是直接根
yeqiang19910412
·
2020-08-17 17:43
增强学习
深度强化学习（DRL）三：从
Q-learning
到Deep Q Network(DQN)
目录一、
Q-learning
二、DeepQNetwork三、DoubleDQN一、
Q-learning
关于
Q-learning
，网上的资料很多，简单的总结一下它的特点。
ColinFred
·
2020-08-17 17:28
python
机器学习
强化学习
DQN——Deep Q Network
DQN是通过多个
Q-learning
来训练卷积神经网络从而实现高维输入任务的策略控制。神经网络的返回值是Q(s,a)。2、DQN是valuebased还是policybased？
CKH001
·
2020-08-17 17:36
pytorch实现DQN
DQN（DeepQNetwork）DQN可以使计算机玩游戏比人类厉害，
Q-learning
和Deep-learning的融合当游戏的状态和动作多种多样，多到天文数字的时候，如果用表格来存储的话，显然不切实际
逆夏11111
·
2020-08-17 17:44
深度学习
MATLAB强化学习入门——三、深度Q学习与神经网络工具箱
零、为什么需要深度Q学习上一期的文章《网格迷宫、
Q-learning
算法、Sarsa算法》的末尾，我们提到了Q学习固有的缺陷：由于智能体(agent)依赖以状态-动作对为自变量的Q函数表(QFunctionTable
忘了面孔的Batou
·
2020-08-17 16:27
强化学习与控制
MATLAB强化学习入门——四、用DQN实现网格迷宫算例
那么本期，我们就尝试将DQN移植到第二期我们完成的
Q-Learning
网格迷宫程序中，尝试深度Q学习的算例实现。
忘了面孔的Batou
·
2020-08-17 16:27
强化学习与控制
莫烦python强化学习系列-DQN学习
传统的
Q-learning
，我们使用表格来存储每一个状态state,和在这个state下，每个行为action所拥有的Q值。传统的
Q-learning
不适用状态多的情况。
cy冲鸭
·
2020-08-17 16:51
强化学习
利用DQN实现迷宫寻路
从
q-learning
到Deep-Q-Network笔者在利用
q-learning
算法在Tkinter模块中进行自主寻路，由于网格维度过大而导致训练结果不理想，设置1500次迭代再反复试验后发现
q-learning
Adam坤
·
2020-08-17 16:15
AI程序员
算法
机器学习
深度学习
神经网络
用pytorch简单实现DQN
本文内容参考《DeepReinforcementLearningHands-On》第六章这篇博客默认读者已经熟悉
Q-learning
。
B417科研笔记
·
2020-08-17 16:11
深度学习
深度学习第57讲：深度强化学习与深度Q网络(DQN)
上一讲笔者和大家简单介绍了强化学习的相关概念，了解了
Q-Learning
算法及其简单实现实例。本节笔者将在上一讲的基础上，将强化学习回归到深度学习的主题上。
louwill12
·
2020-08-17 16:29
Deep Q Network(DQN)原理解析
1.前言在前面的章节中我们介绍了时序差分算法（TD）和
Q-Learning
，当状态和动作空间是离散且维数不高时可使用Q-Table储存每个状态动作对的Q值，而当状态和动作空间是高维连续时，使用Q-Table
weixin_30604651
·
2020-08-17 16:14
Deep
Q-Learning
深度增强学习算法
DQN算法由于某些环境中状态过多，通过传统
Q-learning
的方法，维护一张规模巨大的Q表显然是不现实的。
段星星
·
2020-08-17 15:08
深度学习
强化学习笔记+代码（四）：DQN算法原理和Agent实现
本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现
Q-learning
算法原理和Agent实现DQN
nbszg
·
2020-08-17 15:51
深度学习
Tensorflow
机器学习
DQN的总结
转载一篇关于DQN解释非常好的文章转载自:https://zhuanlan.zhihu.com/p/46852675本人做了一些细微的改动，方便个人理解，原文请点这里DQN的由来和解释
Q-Learning
ChanZany
·
2020-08-17 14:42
神经网络机器学习
揭秘深度强化学习-5 评估奖励之
Q-learning
算法
看完觉得深受启发的一篇文章，根据自己的理解翻译过来留以后再次翻看原文地址http://neuro.cs.ut.ee/demystifying-deep-reinforcement-learning/
Q-learning
qq_26690795
·
2020-08-17 13:43
强化学习
对
Q-Learning
算法的改进：Deep
Q-Learning
（DQN）
本篇主要讲述
Q-Learning
的改进算法,DeepQ-Learning，首先了解一下
Q-Learning
算法咯
Q-Learning
算法众所周知，
Q-Learning
是解决强化学习问题的算法。
到达起点
·
2020-08-17 13:00
强化学习
上一页
6
7
8
9
10
11
12
13
下一页
按字母分类：
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他