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
股票操作之强化学习基础（二）（
Q-learning
、Sarsa、Sarsa-lambda）
股票操作之强化学习基础（二）（
Q-learning
、Sarsa、Sarsa-lambda）1.Q-learningQ-learning是强化学习一个比较基础的算法，很多强化学习的升级算法都是在
q-learning
wbbhcb
·
2020-08-12 12:23
量化杂文
入门必看 | 深度
Q-learning
简介【RL系列】
下载方式方式一公众号后天回复“20180803”作者|RobbieAllen编译|专知整理|Sanglei,Shengsheng添加微信：MLAPython（姓名-单位-方向）即可加入机器学习交流群今天，我们将构建一个深度Q网络，为环境中的agent实现一个可以获取环境状态信息以及近似Q-value的神经网络。多亏这个模型，我们才可以使用agent打Doom游戏。在这篇文章中，你将学到：什么是深度
机器学习算法与Python学习-公众号
·
2020-08-12 12:42
增强学习（二）：
Q-Learning
与深度学习结合
Deep-Q-learning1，
Q-Learning
与深度学习结合思路q-table存在一个问题，真实情况的state可能无穷多，这样q-table就会无限大，解决这个问题的办法是通过神经网络实现q-table
mr_corder
·
2020-08-12 11:02
增强学习
深度学习算法
Q-learning
原理
Q-learningQ-learning是value-based的方法，在这种方法中我们不是要训练一个policy，而是要训练一个critic网络。critic并不直接采取行为，只是对现有的actor，评价它的好坏。Value-Fuctioncritic给出了一个valuefunction，代表在遇到游戏的某个state后，采取策略为的actor一直玩到游戏结束，所能得到的reward之和。（即c
NO23412号菜狗
·
2020-08-12 11:37
算法
语音合成
【强化学习】python 实现
q-learning
例四（例二改写）
将例二改写成面向对象模式，并加了环境！不过更新环境的过程中，用到了清屏命令，play()的时候，会有点问题。learn()的时候可以勉强看到:P0.效果图1.完整代码相对于例一，修改的地方：Agent五处：states,actions,rewards,get_valid_actions(),get_next_state()Env两处：__init__(),update()importpandasa
derek881122
·
2020-08-12 11:55
【强化学习】python 实现
q-learning
例二
本文作者：hhh5460本文地址：https://www.cnblogs.com/hhh5460/p/10134855.html问题情境一个2*2的迷宫，一个入口，一个出口，还有一个陷阱。如图（图片来源：https://jizhi.im/blog/post/intro_q_learning）这是一个二维的问题，不过我们可以把这个降维，变为一维的问题。感谢：https://jizhi.im/blog
derek881122
·
2020-08-12 11:55
【强化学习】python 实现
q-learning
例一
本文作者：hhh5460本文地址：https://www.cnblogs.com/hhh5460/p/10134018.html问题情境-o---T#T就是宝藏的位置,o是探索者的位置这一次我们会用
q-learning
derek881122
·
2020-08-12 11:55
策略梯度(Policy gradient)学习心得
文章目录策略梯度网络结构策略梯度网络权重的更新策略梯度网络更新的时机策略梯度动作的选择策略梯度概率更新幅度最后以前的博文介绍了
Q-learning
与DQN的相关知识与实例（https://blog.csdn.net
蚍蜉_
·
2020-08-12 10:45
机器学习
强化学习笔记(4)无模型控制Model-Free Control(On-policy learning, off-policy learning, GLIE, Sarsa,
Q-learning
)
文章目录Introduction概念On-PolicylearningOff-PolicylearningMonte-CarloControl问题1：使用行为价值函数代替状态价值函数贪婪策略基于行为价值函数的更新：问题2：使用贪婪算法的局限性例解决方案：ϵ−greedy\epsilon-greedyϵ−greedyGLIE定理：GLIEMonte-CarloControl定理TDControlSa
SpadeA_Iverxin
·
2020-08-12 10:27
强化学习RL
Q-Learning
实现
1、算法：整个算法就是一直不断更新Qtable里的值,然后再根据新的值来判断要在某个state采取怎样的action.Qlearning是一个off-policy的算法,因为里面的maxaction让Qtable的更新可以不基于正在经历的经验(可以是现在学习着很久以前的经验,甚至是学习他人的经验).不过这一次的例子,我们没有运用到off-policy,而是把Qlearning用在了on-polic
女王の专属领地
·
2020-08-12 10:55
机器学习
【李宏毅深度强化学习笔记】5、
Q-learning
用于连续动作 (NAF算法)
【李宏毅深度强化学习笔记】1、策略梯度方法（PolicyGradient）【李宏毅深度强化学习笔记】2、ProximalPolicyOptimization(PPO)算法【李宏毅深度强化学习笔记】3、
Q-learning
qqqeeevvv
·
2020-08-12 10:43
强化学习
#
理论知识
强化学习之Q-Learing基础
强化学习之Q-Learing基础文章目录强化学习之Q-Learing基础马尔可夫决策过程MDP1)部分可观察马尔可夫决策过程POMDPs2）MarkovGames：总结强化学习之
Q-Learning
马尔可夫决策过程
ChanZany
·
2020-08-12 10:42
神经网络机器学习
机器学习【4】：强化学习（Reinforcement Learning），
Q-learning
方法
一.强化学习什么是强化学习，首先我们要了解强化学习的几个重要概念，也是强化学习四要素：状态(state)、动作(action)、策略（policy）、奖励(reward)。说简单一点，强化学习其实就是实现了智能体自发的与环境进行交互并且达到我们所希望的状态。这个过程就会产生很多动作，下一步动作是依靠上一步动作以及当前状态，上一步状态，以及实施动作之后的奖励所决定的。在周志华的西瓜书中说到一点：智能
strong tyj
·
2020-08-12 10:34
#
机器学习算法
深度学习-强化学习
Q-learning
算法简易实现
目标效果：这里贴一下
Q-learning
的公式：代码：importnumpyasnpimportpandasaspdimporttimenp.random.seed()#计算机产生一组伪随机数列N_STATES
Vivinia_Vivinia
·
2020-08-12 10:42
深度学习
Pytorch学习笔记【15】：
Q-learning
强化学习算法简单实现
这个没有基础没法看的，建议没有基础的先看看我的另一篇博客，会介绍强化学习以及Q-learng算法流程：https://blog.csdn.net/qq_36499794/article/details/103162841一.代码importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimportnumpyasnpimportgym#定义参数
strong tyj
·
2020-08-12 10:28
#
Pytorch
强化学习之DQN（附莫烦代码）
1.简介想象用
Q-learning
电子游戏的每一帧来学习电子游戏，每个图片就可以是一种状态，游戏中的角色又可以有多种动作(上下左右，下蹲跳跃等等)。
RosebudTT
·
2020-08-11 16:25
（1）强化学习
百度强化学习七日学习心得
迷宫游戏Sarsa、迷宫游戏
Q-learning
、DQN
weixin_45623802
·
2020-08-11 04:41
一个都不能少！多行业暴露下行业因子收益研究
♥优化强化学习
Q-learning
算法进行股市♥WorldQuant101Al
weixin_38754123
·
2020-08-11 04:36
强化学习算法DQN：算法简介、创新点：回放机制&target-network、伪代码、算法理解、代码实现、tensorboard展示网络结构
文章目录DQN简介DQN目标
Q-learning
与DQNLossFunction创新点：回放机制&target-network算法伪代码算法理解代码实现tensorboardGRAPHS（网络结构）总结
条件反射104
·
2020-08-11 03:12
强化学习
【百度飞桨强化学习7日打卡营】学习笔记 -- 第二课：基于表格型方法求解RL
课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1335主要内容：MDP、状态价值、Q表格实践：Sarsa、
Q-learning
wongHome
·
2020-08-11 03:38
强化学习
强化学习 5 —— SARSA 和
Q-Learning
算法代码实现
这篇文章会使用就用代码实现SARSA和
Q-Learning
这两种算法。一、算法介绍
jsfantasy
·
2020-08-10 15:00
方向盘应该转多少度？
所以，基本上是没有人通过求解这个线性系统来学车的，而是通过RL或者
Q-Learning
来进行神经网络学习的，这就是为什么你们要上驾校学习很久的原因。。。但
UNOboros
·
2020-08-10 14:43
机器人研究
数学研究
深度学习总结：DQN原理，算法及pytorch方式实现
文章目录
Q-learning
原理图
Q-learning
算法描述：pytorch实现：Q-network实现：DQN实现：2个Q-network，其中一个为targetQ-network；takeaction
萤火虫之暮
·
2020-08-10 07:10
DL
机器学习
算法
深度学习
深度强化学习DQN(Deep Q Network)原理及例子：如何解决迷宫问题，附源码
，本文我做了一些改动目前，强化学习中很火的当属
Q-Learning
了，关于
Q-Learning
的具体介绍请参加我上一篇文章。
weixin_34332905
·
2020-08-09 14:37
强化学习7日打卡营学习心得（百度）
强化学习7日打卡营学习心得（百度）强化学习初印象什么是强化学习强化学习能做什么强化学习与监督学习的区别强化学习的如何解决问题强化学习的算法和环境基于表格型方法求解RL表格型方法——Sarsa表格型方法——
Q-learning
童年吹梦
·
2020-08-08 20:12
百度
SARSA 和
Q-learning
的区别
两者的第一步选择动作都是epsilon-greedy,而第二部更新Q函数的时候，
Q-learning
直接选择用最优的动作a去更新Q函数，而SARSA选择用之前的策略采样出来的A‘去更新Q函数。
Uncle_Sugar
·
2020-08-06 13:21
机器学习算法
强化学习
Q-Learning
学习笔记
Q-Learning
算法例一以最短距离到达终点importnumpyasnpimportpandasaspdimporttimenp.random.seed(2)#生成相同的随机数N_STATES=6#
猫十一.
·
2020-08-04 21:38
python
强化学习 Sarsa算法学习笔记
对比Sarsa和
Q-learning
算法案例对比importnumpyasnpimportpandasaspdclassRL(object):def__init__(self,action_space,
猫十一.
·
2020-08-04 21:38
Continuous Deep
Q-Learning
with Model-based Acceleration
首先，改进了
q-learning
使它用在连续问题上，算法叫NAF，来替换平时经常
小可爱123
·
2020-08-04 07:09
学习
深度强化学习系列(4):
Q-Learning
原理与实现
论文地址：http://www.gatsby.ucl.ac.uk/~dayan/papers/cjch.pdfQ-Learning是发表于1989年的一种value-based，且model-free的特别经典的off-policy算法，近几年的DQN等算法均是在此基础上通过神经网络进行展开的。1.相关简介强化学习学习过程中，通常是将学习的序列数据存储在表格中，通过获取表中的数据，利用greedy
J.Q.Wang2011
·
2020-08-03 17:58
深度强化学习
【李宏毅深度强化学习笔记】3、
Q-learning
（Basic Idea）
【李宏毅深度强化学习笔记】1、策略梯度方法（PolicyGradient）【李宏毅深度强化学习笔记】2、ProximalPolicyOptimization(PPO)算法【李宏毅深度强化学习笔记】3、
Q-learning
qqqeeevvv
·
2020-08-03 12:06
强化学习
#
理论知识
【李宏毅深度强化学习笔记】1、策略梯度方法（Policy Gradient）
李宏毅深度强化学习笔记】1、策略梯度方法（PolicyGradient）（本文）【李宏毅深度强化学习笔记】2、ProximalPolicyOptimization(PPO)算法【李宏毅深度强化学习笔记】3、
Q-learning
qqqeeevvv
·
2020-08-03 12:05
强化学习
#
理论知识
多智能体强化学习博弈系列（2）- 模糊
Q-Learning
这一章节采用的RL算法是
Q-learning
。防卫者作为智能体，输入和输出分别经过模糊化和去模糊化处理。模糊系统nnn个输入变量的连续输入空间被离散化为MMM个模糊规则，输
Edward Tivrusky IV
·
2020-08-03 09:02
算法
强化学习知识点集锦
1.on-policy和off-policy下图是
Q-learning
和Sarsa的流程图，分别对应off-policy和on-policy2-tradeoffvarianceandbiaswiki里的解释
李耷耷
·
2020-08-03 07:18
reinforcement
learning
Q学习（
Q-learning
）入门小例子及python实现
一、从马尔科夫过程到Q学习#有一定基础的读者可以直接看第二部分Q学习（
Q-learning
）算法是一种与模型无关的强化学习算法，以马尔科夫决策过程（MarkovDecisionProcesses,MDPs
葭月丶拾玖
·
2020-08-01 06:11
Q-Learning
的一个简单的教程
阅读的文献中涉及到了
Q-learning
，是与机器学习有关的，虽然与自己方向并不相关。但作为一种思想值得学习。故翻译如下，不当之处，恳请批评指正！
BUPTNser
·
2020-08-01 00:58
算法
Quant面试时说：熟练掌握Python，请三思，不然凉凉~
♥优化强化学习
Q-learning
算法进行股市♥WorldQuant101Alpha、国泰君安191
weixin_38754123
·
2020-07-30 23:41
笔记：蒙特卡洛树搜索
monte-carlo-tree-search-beginners-guide/https://blog.csdn.net/ljyt2/article/details/78332802Model-free：类似montecarlocontrol,sarsa,
q-learning
西二旗小豌豆
·
2020-07-29 13:05
【深度强化学习】
Q-learning
和 贝尔曼方程
文章目录前言第五章
Q-learning
和贝尔曼方程贝尔曼方程ValueofAction动作的价值一个简单的例子值迭代算法V值迭代算法Q值迭代算法实例：FrozenLake中的值迭代算法collection.defaultdict
B417科研笔记
·
2020-07-29 07:40
深度强化学习
深度强化学习5——Deep
Q-Learning
(DQN)
2013和2015年DeepMind的DeepQNetwork（DQN）它用一个深度网络代表价值函数，依据强化学习中的
Q-Learning
，为深度网络提供目标值，对网络不断更新直至收敛。
xyt_369587353
·
2020-07-28 21:59
深度强化学习
深度学习
强化学习
2019Kaggle最新DS&ML报告：你大爷还是你大爷！
♥优化强化学习
Q-learning
算法进行股市♥WorldQu
weixin_38754123
·
2020-07-28 20:15
强化学习（八）价值函数的近似表示与Deep
Q-Learning
在强化学习系列的前七篇里，我们主要讨论的都是规模比较小的强化学习问题求解算法。今天开始我们步入深度强化学习。这一篇关注于价值函数的近似表示和DeepQ-Learning算法。DeepQ-Learning这一篇对应Sutton书的第11章部分和UCL强化学习课程的第六讲。1.为何需要价值函数的近似表示在之前讲到了强化学习求解方法，无论是动态规划DP，蒙特卡罗方法MC，还是时序差分TD，使用的状态都是
weixin_34199335
·
2020-07-28 19:09
强化学习算法回顾
Q-learning
玩 OpenAI 的 Taxi 游戏
本文首发作者Ray906发表于专栏·AITrust这里使用的是OpenAITaxi-V3环境这里有4个地点，分别用4个字母表示，任务是要从一个地点接上乘客，送到另外3个中的一个放下乘客，越快越好。成功运送一个客人获得20分奖励每走一步损失1分（希望尽快送到目的地）没有把客人放到指定的位置，损失10分渲染图中显示，一共R，G，B，Y这4个地点，黄色的块是taxi，其中":"栅栏可以穿越，"|"栅栏不
AI 研习社
·
2020-07-28 09:37
Deep
Q-learning
Network(DQN)
概述DQN其实是深度学习和强化学习知识的结合，也就是用DeepNetworks框架来近似逼近强化学习中的Qvalue。其中，使用的DeepNetworks有两种框架，分别如下图所示：框架1框架1的输入是State和Action，State可以是一个游戏画面，Action可以是向下走，开火等，通过Network输出的是在State的情况下采取Action的Qvalue。框架2框架2的输入是当前的St
倒着念
·
2020-07-16 07:31
强化学习七天打卡营学习笔记
Model-freeRL，基于模型的RL的和无模型的RL;按照学习目标可分为Value-based&Policy-based;按照学习方式可以分为On-Policy&Off-Policy二、强化学习的算法和环境经典算法：
Q-learning
chenjing0828
·
2020-07-15 21:23
基于SARSA算法的自主寻路绕障
Q-learning
属于off-policy算法。sarsa估计的是动作值函数(Q函数)而非状态值函数。也就是策略π下，任意状态s上所有可执行的动作a的动作值函数Qπ(s
大喵与小喵
·
2020-07-15 12:59
另类Alpha：基于供应链数据的量化因子挖掘
♥优化强化学习
Q-learning
算法进行股市♥WorldQuant101Alpha、国泰君安191
weixin_38754123
·
2020-07-15 06:57
扒一扒Billions第四季：你必须知道的投资秘密（上）
♥优化强化学习
Q-learning
算法进行股市♥WorldQuant101Alpha、国泰君安191
weixin_38754123
·
2020-07-15 06:26
质量因子：聚焦财务分析的多因子策略
♥优化强化学习
Q-learning
算法进行股市♥WorldQuant101A
weixin_38754123
·
2020-07-15 06:25
标准化、去极值、补空值、中性化谁先谁后？
♥优化强化学习
Q-learning
算法进行股市♥WorldQuant101Alpha、国泰君安1
weixin_38754123
·
2020-07-15 06:25
上一页
8
9
10
11
12
13
14
15
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