RL

dqn系列梳理_系列论文阅读——DQN及其改进

先前，将RL和DL结合存在以下挑战：1.deeplearning算法需要大量的labeleddata，RL学到的reward大都是稀疏、带噪声并且有延迟的(延迟是指action和导致的reward之间)
weixin_39908985·2022-11-23 05:36

2021极术通讯-基于Mali GPU开发移动游戏中的光线追踪内容

芯方向·【WarpDrive】GPU加速RL：一块V100运行上千个智能体、数千个环境，这个「曲率引擎」框架实现RL百倍提速在强化学习研究中，一个实验就要跑数天或数周，有没有更快的方法
极术社区·2022-11-23 00:35

华为河伯

华为诺亚方舟实验室开源了一个贝叶斯优化+RL的仓库，里面包括几部分：贝叶斯研究（1）HEBO：异方差进化贝叶斯优化HEBO:HeteroscedasticEvolutionaryBayesianOptimisation
臻甄·2022-11-22 18:21

强化学习面试题大全

主要参考资料：datewhale的强化学习教程：https://github.com/datawhalechina/easy-rl【强推】王树森张志华《深度强化学习》强化学习概述简单介绍一下强化学习。
姜呆·2022-11-22 14:08

Useful Policy Invariant Shaping from Arbitrary Advice论文翻译导读分析

这是摘要强化学习（RL）是一种强大的学习范式，在该范式中，agent可以学习最大化稀疏和延迟的奖励信号。尽管RL在复杂领域取得了许多令人印象深刻的成功，但学习可能需要数小时、数天甚至数年的训练数据。
难受啊！马飞...·2022-11-22 12:40

近端策略优化算法(PPO)：RL最经典的博弈对抗算法之一「AI核心算法」

关注：决策智能与机器学习，深耕AI脱水干货作者：AbhishekSuran转载请联系作者提要：PPO强化学习算法解析及其TensorFlow2.x实现过程（含代码）在本文中，我们将尝试理解Open-AI的强化学习算法：近端策略优化算法PPO（ProximalPolicyOptimization）。在一些基本理论之后，我们将使用TensorFlow2.x实现PPO。为什么PPO?因为PPO可以方便地
九三智能控v·2022-11-22 09:27

【IEEE2017】RL：机器人库：一种面向对象的机器人应用程序的方法

RL：机器人库：一种面向对象的机器人应用程序的方法摘要：摘要：我们讨论了机器人库（RL）的架构和软件工程原理。
明月醉窗台·2022-11-22 00:26

机器人C++库（12) Robotics Library 之路径规划算法：PRM、RRT、EET算法

机器人C++库（12）RoboticsLibrary之路径规划算法：PRM、RRT、EET算法RL库的运动规划(rl::plan)模块集成了以下经典的路径规划算法：PRM算法:概率路线图算法RRT算法：
明月醉窗台·2022-11-21 23:30

Generative AI Models for Drug Discovery：有关药物分子生成的深度学习模型（综述类文章）| RNN, VAE, GAN, 强化学习RL

同时，作者描述了如何将强化学习（RL）算法应用于生成式人工智能，以便在更好地利用分布式硬件的同时获得更真实的效果。2分子生成的简单模
啊啦灯神叮·2022-11-21 23:51

《Deep Reinforcement Learning for Autonomous Driving: A Survey》笔记

BRaviKiran,IbrahimSobh,VictorTalpaert,PatrickMannion,AhmadA.AlSallab,SenthilYogamani,andPatrickPérez调研(D)RL
learning_DRL·2022-11-21 21:26

告别CPU，加速100-1000倍！只用GPU就能完成物理模拟和强化学习训练

与使用CPU模拟器和GPU神经网络的传统RL训练相比，IsaacGym大幅度缩减了复杂机器任务在单个GPU上的训练时间，使其训练速度提高了1
AI视觉网奇·2022-11-21 13:13

Isaac-gym(5)：关于强化学习

importisaacgymimportisaacgymenvsimporttorchenvs=isaacgymenvs.make(seed=0,task="Ant",#对应执行时用到的名称num_envs=2000,sim_device="cuda:0",rl_device
hongliyu_lvliyu·2022-11-21 13:40

数据结构实验教程-第一套

LL:右单旋转RR:左单旋转LR:左旋转再右旋转RL:右旋转再左旋转线性表中每
Kilig*·2022-11-21 12:08

JoyRL文献笔记-1-Playing Atari with Deep Reinforcement Learning

本文的贡献：是深度强化学习算法DQN的开山之作，是第一篇将深度学习DL感知能力与强化学习RL序贯决策能力相结合的论文。本文提出了第一个通过强化学习直接从高维感官输入中成功学习
luckywlj0115·2022-11-20 23:13

强化学习算法（一）Qlearning

这篇文章中，我会介绍一下我在学习RL过程中学习过的算法，下面从Qlearning开始。Qlearning之前的文章中，我介绍了MC,和TD。
UnicornH!XD·2022-11-20 23:36

天下苦深度强化学习久矣，这有一份训练与调参技巧手册

©作者|申岳单位|北京邮电大学研究方向|机器人学习天下苦RL久矣，其中最苦的地方莫过于训练和调参了，人人欲“调”之而后快。
PaperWeekly·2022-11-20 23:59

18_Reinforcement Learning_CartPole_reduce_mean_Q-Value Iteration_Q-learning_DQN_get_weights_replay

ReinforcementLearning(RL)isoneofthemostexcitingfieldsofMachineLearningtoday,andalsooneoftheoldest.Ithasbeenaroundsincethe1950s
LIQING LIN·2022-11-20 23:28

《强化学习周刊》第2期：多智能体强化学习（MARL）赋能“AI智能时代”

No.02智源社区强化学习组RL学习研究观点资源活动关于周刊随着强化学习研究的不断成熟，如何将其结合博弈论的研究基础，解决多智能体连续决策与优化问题成为了新的研究领域，为了帮助研究与工程人员了解这一领域的进展和资讯
智源社区·2022-11-20 23:56

The Primacy Bias in Deep Reinforcement Learning（论文笔记）

在RL中，智能体倾向于早期与环境的交互，而忽略后来有用的数据。由于在不断增长的数据集上进行训练，深度RL智能体会产生过拟合早期经验的风险，从而对学习过程的其余部分产生负面影响。
麦兜没有冬天·2022-11-20 21:07

强化学习领域值得关注的国际顶级会议

导读：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
Allenpandas·2022-11-20 20:38

[阅读笔记]蘑菇书《Easy RL》

文章目录一、强化学习基础1.1强化学习与监督学习1.2一些基本概念1.3Agent1.4gym使用例子:MountainCar-v0二、Markov2.1Markov奖励过程和Markov决策过程2.2预测与控制2.3策略迭代和价值迭代2.3.1策略迭代2.3.2价值迭代三、表格型方法3.1如何求Vπ(s)V_\pi(s)Vπ(s)(model−free)(model-free)(model−fr
Promethe_us·2022-11-20 19:01

【学习强化学习】十三、模仿学习介绍

2.3VariationalDropout3.逆强化学习3.1概述3.2逆向强化学习方法的挑战4.第三人称视角模仿学习5.练习5.1keywords参考资料https://datawhalechina.github.io/easy-rl
CHH3213·2022-11-20 19:59

人工智能中的rl是什么意思_AI学习如何使用第二部分来创建自定义RL环境并培训代理...

人工智能中的rl是什么意思FromIcarusburninghiswingstotheWrightbrotherssoaringthroughthesky,ittookmankindthousandsofyearstolearnhowtofly
weixin_26749147·2022-11-20 19:29

Easy RL - 9.稀疏奖励

关键词设计奖励（rewardshaping）：当智能体与环境进行交互时，我们人为设计一些奖励，从而“指挥”智能体，告诉其采取哪一个动作是最优的。需要注意的是，这个奖励区别于环境的奖励。其可以提高我们估算Q函数时的准确性。内在好奇心模块（intrinsiccuriositymodule，ICM）：其代表好奇心驱动这个技术中的增加新的奖励函数以后的奖励函数。课程学习（curriculumlearnin
加油呀，哒哒哒·2022-11-20 19:28

Easy Rl - 7.DDPG算法

关键词深度确定性策略梯度（deepdeterministicpolicygradient，DDPG）：在连续控制领域经典的强化学习算法，是深度Q网络在处理连续动作空间的一个扩充方法。具体地，从命名就可以看出，“深度”表明使用了深度神经网络；“确定性”表示其输出的是一个确定的动作，可以用于连续动作环境；“策略梯度”代表的是它用到的是策略网络，并且每步都会更新一次，其是一个单步更新的策略网络。其与深度
加油呀，哒哒哒·2022-11-20 19:58

Easy RL - 8.PPO算法

关键词同策略（on-policy）：要学习的智能体和与环境交互的智能体是同一个时对应的策略。异策略（off-policy）：要学习的智能体和与环境交互的智能体不是同一个时对应的策略。重要性采样（importantsampling）：使用另外一种分布，来逼近所求分布的一种方法，在强化学习中通常和蒙特卡洛方法结合使用，公式如下：∫f(x)p(x)dx=∫f(x)p(x)q(x)q(x)dx=Ex∼q[
加油呀，哒哒哒·2022-11-20 19:58

Task 01 强化学习基础

维基百科定义：强化学习(Reinforcementlearning,RL)是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。强化学习是除了监督学习和非监督学习之外的第三种
晓野豬·2022-11-20 19:51

Easy RL - 10.模仿学习

关键词模仿学习（imitationlearning，IL）：其讨论我们没有奖励或者无法定义奖励但是有与环境进行交互时怎么进行智能体的学习。这与我们平时处理的问题有些类似，因为通常我们无法从环境中得到明确的奖励。模仿学习又被称为示范学习（learningfromdemonstration）、学徒学习（apprenticeshiplearning）以及观察学习（learningbywatching）等
加油呀，哒哒哒·2022-11-20 19:45

强化学习《蘑菇书 EasyRL第一章 概览》

学习内容：《蘑菇书第一章》:https://datawhalechina.github.io/easy-rl/#/学习产出：
码不停Tick·2022-11-20 09:56

【深度学习】EASY RL强化学习：案例与实践 - 第0章 先修课程

学习平台：飞桨AIStudio课程设置：共13课节（第12课节解读AlphaStar论文；第13课节是习题面试题附录）第一课深度学习入门
Biophilia_hyb·2022-11-20 09:26

【论文笔记】AAAI2022多智能体强化学习论文五篇

AnytimeMulti-AgentPathFindingviaMachineLearning-GuidedLargeNeighborhoodSearchMAPF-LNS2:FastRepairingforMulti-AgentPathFindingviaLargeNeighborhoodSearchScenic4RL
邵政道·2022-11-20 08:23

PPO实战学习总结

PPOusedingo-bigger前段时间一直在学习ppo算法，写了一点总结，记录一下自己对ppo算法的一些理解与RL实战时候容易遇到的一些问题。
饭了白a·2022-11-20 05:37

Lesson1强化学习（RL）初印象 学习笔记

一、强化学习引入人的智能可以遗传获得也可以通过后天学习；学习有两种，模仿前人的经验是一种学习；如果没有前人的经验可以学习，就需要和环境进行交互，得到反馈来学习。智能遗传学习模仿与环境的交互人工智能可以像人一样的模仿，就像监督学习，从给定的训练集中学习出一个函数，当新的数据到来时就可以利用这个函数预测结果。人工智能也可以像人一样自学，就像强化学习。如果环境是已知可以直接进行规划，如果环境是未知，就需
小蒋的技术栈记录·2022-11-20 05:33

机器学习-22：MachineLN之RL

你要的答案或许都在这里：小鹏的博客目录我想说：其实很多事情找对方法很重要，可以事半功倍，就好比学习；原本打算将机器学习基础写完以后再写深度学习、强化学习、迁移学习的内容，但是现在看还是中间穿插一点比较好。看一下强化学习入门的一点东西，从概念说起吧：下面基本是在挖坑，后面会慢慢填起来。其实机器学习可以大致分为三类：监督学习、非监督学习、强化学习；强化学习是一个很重要的分支，目前来说比较火；1.什么是
MachineLP·2022-11-20 04:35

机器学习笔记13_Introduction of Deep Reinforcement Learning(RL)

本文是李宏毅机器学习的笔记，这是第十三节，介绍了强化学习。文章目录1.WhatisRL?2.PolicyGradient3.Actor-Critic4.RewardShaping5.NoReward:LearningfromDemonstration1.WhatisRL?在一些场景中，可能标签数量会很多，所以在没有明确的标签的情况下，机器应该知道自己结果的好坏。强化学习的流程如下所示：输入一个函数
vrerain·2022-11-19 23:52

Reinforcement Learning Enhanced Heterogeneous Graph Neural Network阅读笔记

强化学习增强异质图神经网络代码源：https://github.com/zhiqiangzhongddu/RL-HGNN摘要异构信息网络(HINs)涉及多种节点类型和关系类型，在许多实际应用中非常普遍。
DifferenceEngine·2022-11-19 20:39

【githubshare】深度学习蘑菇书，覆盖了强化学习、马尔可夫决策过程、策略梯度、模仿学习

GitHub：github.com/datawhalechina/easy-rl该教程也称为“蘑菇书”，寓意是希望此书能够为读者注入活力，让读者“吃”下这本蘑菇之后，能够饶有兴致地探索强化学习，像马里奥那样愈加强大
GitHubSharing·2022-11-19 19:44

2022.9.4 第二十二次周报（假期总结）

seqence-to-sequencemodelGANSelf-supervisedLearningauto-encodermodelattack强化学习（ReinforcementLearning,RL
孙源峰·2022-11-19 08:54

Deep Recurrent Q-Learning for Partially Observable MDPs（DRQN）

Abstract深度RL已经为复杂的任务提供了精通的控制器。但是，这些控制器的内存有限，并且依赖于能够在每个决策点感知完整的游戏画面。
西西弗的小蚂蚁·2022-11-16 11:06

离线强化学习论文学习 Critic Regularized Regression

CriticRegularizedRegression1.摘要离线强化学习(RL)，也被称为批量RL，提供了在没有在线环境交互的情况下从大型预记录数据集进行策略优化的前景。
孙敬博·2022-11-15 17:44

linux sed命令使用总结

比如，要将目录/modules下面所有文件中的zhangsan都修改成lisi，这样做：sed-i"s/zhangsan/lisi/g"`grepzhangsan-rl/modules`解释一下：-i表示
oathevil·2022-11-15 17:28

RL概念强行解释，重点，我说的都是人话

1.PolicyPolicy：策略，是Agent的行为指南，是一个从状态（s）到行动（a）的映射，可以分为确定性策略（Deterministicpolicy）和随机性策略（Stochasticpolicy），前者是指在某一特定状态确定对应着某一个行为a=π（s），后者是指在某一状态下，对应不同行动有不同的概率，即π（a|s）=P[At=a|St=s]，可以根据实际情况来决定具体采用哪种策略。2.价
干了这碗汤·2022-11-10 07:33

reinforce learning、强化学习、增强学习、RL

目录WhatisRL一些必要的说明关键词例子说人话理论细节QLearnintgDQN如何训练NN?DDPG论文理解几个概念WhatisRL通过不断尝试不同策略地种瓜，学会了一个（或几个）种出好瓜的策略π（即学习，或称训练）。利用学习得到的策略π，进行下一次的种瓜（即应用）。这个种瓜的过程，可以看做一个马尔科夫决策过程，这个过程在强化学习理论中的关键概念包括：动作、状态、奖赏、状态转移函数、累积奖赏
干了这碗汤·2022-11-10 07:02

强化学习、增强学习、RL、Reinforcement Learning、无监督学习 by 研三笔记

目录笔者的话分类一些重要的概念Qlearning和saras区别先抽象再具体再抽象分类概念笔者的话学不会，趁早放弃吧！开个小玩笑，哈哈。弄懂，优缺点、特点、研究对象、应用对象、分类、基本原理、应用举例。分类看书先看目录，这个是奇迹重要的！学东西也一样，掌握一样东西的分类是非常非常重要的！能够加深对整体框架的理解。还不多说，且听老夫娓娓道来。强化学习算法按照agent分类，可以分为下面几类：关注最优
干了这碗汤·2022-11-10 07:02

一阶二阶电路时域分析结论

一阶电路首先是电容和电感双端的伏安关系一阶RC电路的零输入响应，列出方程,,一阶RL电路的零输入响应，列出方程，结合边界条件我们可以知道一阶RC电路的零状态响应，这个方程由特解和通解两方面组成，一阶LC
严正安·2022-11-09 19:08

李宏毅深度学习——强化学习

强化学习一、RL是什么二、RL的框架1、第一步：Functionwithunknown2、第二步：定义损失函数3、第三步：Optimization三、Policygradient（1）如何控制你的actor
wkywcd·2022-11-09 12:17

AcWing 1959. 奶牛芭蕾（模拟，坐标变换）

贝茜的四只脚被简明扼要地描述如下：FR：右前脚FL：左前脚RR：右后脚RL：左后脚她的四只脚最开始位
柃歌·2022-11-08 21:30

2021 增强式学习RL 李宏毅

到目前为止，我們講的幾乎都是SupervisedLearning、就算是我們在講SelfSupervisedLearning的時候、其实也是很类似SupervisedLearning的方法，只是label不需要特別僱用人力去標記，可以自动产生。或者是我們在講Auto-encoder的時候、我們雖然說它是一個Unsupervised的方法、没有用到人类的标记，但事实上，还是有一个label，只是这个
linyuxi_loretta·2022-11-06 14:53

Interpretable Rl Summary

文章目录ModelApproximationMethodTowardInterpretableDeepReinforcementLearningwithLinearModelU-Trees（2018，ECML/PKDD）IntrocontributionsModelEvaluation*VerifiableReinforcementLearningviaPolicyExtraction（2018，N
YAN-Xi1998·2022-11-03 18:46

【C++】AVL树（四种旋转方式）

AVL树AVL树概况节点的定义AVL树增删插入删除AVL树旋转单旋转右单旋转左单旋转双旋转LR旋转RL旋转AVL树验证及其性能AVL树验证AVL树性能AVL树概况AVL树是在搜索树的基础上机型高度上的调整防止搜索树出现单支树的情况而导致效率低下
西科陈冠希·2022-11-03 18:02
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他