ReinForcement 第2页

强化学习AI构建实战 - 基于“黄金点”游戏（一）

简介强化学习(ReinforcementLearning)是机器学习的一种重要技术。本文首先简要介绍了强化学习的概念及思路，然后以Q-Learning算法为例介绍了如何进行训练。

人工智能MOS·2024-01-16 19:33

ChatGPT提示词工程进阶

两种大型语言模型基础大模型(BaseLLM)基于训练数据预测下文指令调优大模型(InstructionTunedLLM)尝试听从指令基于基础大模型，进一步使用指令内容输入+遵循指令内容输出来训练和微调模型RLHF(ReinforcementLearningwithHumanFeedback

lichunericli·2024-01-15 09:11

NLP论文阅读记录 - 2021 | WOS 使用深度强化学习及其他技术进行自动文本摘要

自动文本摘要三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言AutomaticTextSummarizationUsingDeepReinforcementLe

yuyuyu_xxx·2024-01-15 02:57

论文阅读06-Task Offloading Optimization in Mobile Edge Computing based on Deep Reinforcement Learning

标题：TaskOffloadingOptimizationinMobileEdgeComputingbasedonDeepReinforcementLearning会议：MSWiM’23（CCF-C）注

梦灯·2024-01-13 13:07

计算卸载论文阅读01-理论梳理

标题：WhenLearningJoinsEdge:Real-timeProportionalComputationOffloadingviaDeepReinforcementLearning会议：ICPADS2019

梦灯·2024-01-13 13:06

机器学习和深度学习检测网络安全课题：DDOS检测、恶意软件、恶意流量检测课题资料

DDoS攻击基于谱分析与统计机器学习的DDoS攻击检测技术研究基于机器学习的分布式拒绝服务攻击检测方法研究DDoSAttacksUsingHiddenMarkovModelsandCooperativeReinforcementLearning

三更科技公社·2024-01-13 09:41

【AI视野·今日Robot 机器人论文速览第七十二期】Mon, 8 Jan 2024

AI视野·今日CS.Robotics机器人学论文速览Mon,8Jan2024Totally13papers上期速览✈更多精彩请移步主页DailyRoboticsPapersDeepReinforcementLearningforLocalPathFollowingofanAutonomousFormulaSAEVehicleAuthorsHarveyMerton

hitrjj·2024-01-12 06:39

怎样理解ABA中的Automatic Reinforcement自动强化

"Automaticreinforcementisreinforcementthatisnotmediatedbythedeliberateactionofanotherperson."

儿童言语治疗路老师·2024-01-10 16:15

论文阅读-基于深度强化学习的方法解决多智能体防御和攻击问题

论文原题目：Adeepreinforcementlearning-basedmethodappliedforsolvingmulti-agentdefenseandattackproblems论文链接：

天寒心亦热·2024-01-08 08:54

Workshop 4 – Reinforcement Learning (ML)

Workshop4–ReinforcementLearning(ML)[2weeks]Objectives:Gainhands-onexperiencewithreinforcementlearning.Familiariseyourselfwithsomeofthemodernapproachespracticalmethodsusedfordeepreinforcementlearning.S

weixin_30532369·2024-01-06 17:49

ChatGPT 原来是这样工作的（下）

从人类的反馈中进行强化学习ReinforcementLearningfromHumanFeedback方法总体包括三个不同的步骤：有监督的调优预训练的语言模型在相对少量

城北楠哥·2024-01-06 15:45

04 supervised learning

Summary:unspervisedlearningclustering（聚类算法）Anomalydetection（异常检测）RecommenderSystems（推荐系统）ReinforcementLearning

叮咚Zz·2024-01-05 14:39

Deep Q-Network (DQN)理解

DQN（DeepQ-Network）是深度强化学习（DeepReinforcementLearning）的开山之作，将深度学习引入强化学习中，构建了Perception到Decision的End-to-end

兔兔爱学习兔兔爱学习·2024-01-03 20:59

论文阅读DIFFUSION POLICIES AS AN EXPRESSIVE POLICY CLASS FOR OFFLINE REINFORCEMENT LEARNING

JonathanJHunt,MingyuanZhou论文链接：https://www.aminer.cn/pub/62fa0d1490e50fcafd2462dd/AI综述（大模型驱动）：offlinereinforcement

酒饮微醉-·2024-01-03 04:14

机器学习的分类与经典算法

机器学习算法按照学习方式分类，可以分为有监督学习（SupervisedLearning）、无监督学习（UnsupervisedLearning）、半监督学习（Semi-supervisedLearning）、强化学习（ReinforcementLearning

RainTicking·2024-01-02 02:31

大模型训练过程概述

从该图可知大模型训练主要有4步：Pretraining—预训练阶段SupervisedFinetuning（SFT）—监督微调，也叫指令微调阶段RewardModeling—奖励模型训练阶段ReinforcementLearning

机器学习社区·2024-01-01 00:19

Deep Reinforcement Learning in Large Discrete Action Spaces--Wolpertinger Architecture

读paper的目的：自己在使用DDPG解决问题时，会遇到actionspace很大的情况，会导致算法不收敛或者收敛得很慢。如何解决这种LargeDiscreteActionSpaces，即大规模离散动作空间得问题。启发：使用k-nearest-neighbormapping可以将DDPG中policynetwork输出的action映射到K个相近的action，从而帮助收敛。[1]G.Dulac-

qq_38480311·2023-12-30 13:16

GNN+RL：Flexible Job-Shop Scheduling via Graph Neural Network and Deep Reinforcement Learning

读paper的目的：看懂GNN如何和RL结合的方法。本文的GNN是HGNN，RL用的PPO算法。主要是看懂GNN和RL如何连接起来以及如何训练的。启发：1.不同size的graph经过feature抽取之后可以经过pooling来统一维度，再送入RL学习。2.对于GNN可以根据节点的不同特性用不同的GAT进行feature的抽取。3.对于不同的step，action的维度和可选择的值都在变化，作者

qq_38480311·2023-12-30 13:46

马尔科夫决策过程-策略迭代与值迭代(基于动态规划)

、基础概念RL基础关键词马尔可夫决策过程关键词二、马尔科夫决策过程1.策略评估2.策略迭代3.值迭代4.策略迭代与值迭代的区别前言强化学习入门笔记，基于easyRL一、基础概念RL基础关键词强化学习（reinforcementlearning

爱宇小菜涛·2023-12-28 01:16

交通 | DRL4LRP：空间优化之经典问题新方法

.,Liang,H.,Wang,Z.,Su,C.,&Li,X.(2023,November).ANewApproachforSolvingLocationRoutingProblemswithDeepReinforcementLearningofEmergencyMedicalFacility.InProceedingsofthe8thACMSIGSPATIA

运筹OR帷幄·2023-12-25 03:23

运动重定向：C-3PO-v1

TeachMe:Three-phaselearningframeworkforroboticmotionimitationbasedoninteractiveteachingandreinforcementlearning

AIRV_Gao·2023-12-25 00:08

Processing 特训（Neural Networks） - 10

明确概念Strategiesoflearning:Supervisedlearning(有测试集结果),Unsupervisedlearning(无测试集结果),Reinforcementlearning

求愚·2023-12-24 05:06

AI中的强化学习是怎么做的呢？

1.什么是强化学习其他许多机器学习算法中学习器都是学得怎样做，而强化学习（ReinforcementLearning,RL）是在尝试的过程中学习到在特定的情境下选择哪种行动可以得到最大的回报。

人工智能小豪·2023-12-23 15:11

RLHF介绍及实践测试

介绍RLHF（ReinforcementLearningHyperparameterOptimizationFramework）是一种用于强化学习模型的超参数优化框架。

Charles_yy·2023-12-21 21:32

腾讯多任务强化学习算法登上顶刊TPAMI

一、概要编辑切换为居中添加图片注释，不超过140字（可选）论文标题：Curriculum-basedAsymmetricMulti-taskReinforcementLearning论文链接：https

一阙词·2023-12-21 13:43

「65页PDF」让 PM 全面理解深度学习

访问「easyAI-产品经理的AI知识库」下载PDF下面是内容结构和长图：深度学习全景图深度学习概要卷积神经网络-CNN循环神经网络-RNN长短期记忆网络–LSTM生成对抗网络–GANs强化学习-Reinforcementlearning

easyAI人工智能知识库·2023-12-21 04:13

深度强化学习（DRL）简介与常见算法（DQN，DDPG，PPO，TRPO，SAC）分类

1.强化学习ReinforcementLearning（RL）：强化学习强化学习属于机器学习的一种，不同于监督学习和无监督学习，通过智能体与环境的不断交互（即采取动作），进

行至为成·2023-12-18 12:44

王树森深度强化学习笔记

ReturnUtU_tUt4.Action-ValueFunctionQπ(s,a)Q_\pi(s,a)Qπ(s,a)5.State-ValueFunctionVπ(s)V_\pi(s)Vπ(s)二、Value-BasedReinforcementLearningTD

开longlong了吗？·2023-12-17 21:30

MAAC算法总结

论文原文：Actor-Attention-CriticforMulti-AgentReinforcementLearning参考文章（这篇文章里写的非常详细！）

神奇的托尔巴拉德·2023-12-17 10:53

通用大模型训练过程必须经历的四个阶段！

从该图可知大模型训练主要有4步：Pretraining—预训练阶段SupervisedFinetuning（SFT）—监督微调，也叫指令微调阶段RewardModeling—奖励模型训练阶段ReinforcementLearning

Python算法实战·2023-12-16 11:03

了解第二部分多武装匪徒的强化学习手

系列的链接：(Series’Links:)Introduction介绍Multi-ArmedBandits|Notebook多臂土匪|笔记本ThisisthesecondentryofaseriesonReinforcementLearning

weixin_26738395·2023-12-15 21:51

【强化学习-读书笔记】多臂赌博机 Multi-armed bandit

参考ReinforcementLearning,SecondEditionAnIntroductionByRichardS.SuttonandAndrewG.Barto强化学习与监督学习强化学习与其他机器学习方法最大的不同

x66ccff·2023-12-15 20:38

CMBAC算法总结

论文原文：Sample-EfficientReinforcementLearningviaConservativeModel-BasedActor-Critic参考文章：【AAAI2022】一种样本高效的基于模型的保守

神奇的托尔巴拉德·2023-12-15 17:41

论文阅读_反思模型_Reflexion

英文名称:Reflexion:LanguageAgentswithVerbalReinforcementLearning中文名称:反思：具有言语强化学习的语言智能体文章:http://arxiv.org

xieyan0811·2023-12-14 18:28

A3C 笔记

AsynchronousMethodsforDeepReinforcementLearning论文提出了一种在deepneuralnetwork控制器的优化中，使用异步梯度下降来训练的方法。

Junr_0926·2023-12-06 02:12

RLHF：强化学习结合大预言模型的训练方式

RLHF(ReinforcementLearningfromHumanFeedback)以强化学习方式依据人类反馈优化语言模型。

_刘文凯_·2023-12-05 17:08

一文搞懂 chatGPT 原理

GPT-3概述GPT3模型的理念GPT-3如何学习数据集指令微调(InstructionFine-Tuning，IFT)有监督微调(SupervisedFine-tuning,SFT)人类反馈强化学习(ReinforcementLearningF

Python算法实战·2023-12-05 11:34

Chapter 2

Chapter2:Multi-armedBanditsMulti-armedbanditscanbeseenasthesimplestformofreinforcementlearning,wherethereisonlyasinglestate.Thekeypointhereishowtoestimatetheactionvalues.Thischaptermainlyaimstointrodu

MasterXiong·2023-12-02 08:09

Syntax- and Execution-Aware SQL Generation with Reinforcement Learning （记EMNLP2019一次投稿）

引言我们那一篇ACL2019的论文简单介绍了什么叫做Text-to-SQL任务，文本到SQL任务的目的是将自然语言语句映射为结构化的SQL查询。很多工作都是关注于如何生成一个SQL语句，而没有关注怎样可以更高效的利用数据库信息以及SQL模板来指导SQL的生成。前人有一个工作是Execution-GuidedDecoding，核心思想是使用部分程序的执行结果来筛选过滤出无法完成的结果以获得正确答案（

fond_dependent·2023-12-02 01:53

文章解读与仿真程序复现思路——电力系统保护与控制EI\CSCD\北大核心《基于深度强化学习的城市配电网多级动态重构优化运行方法》

这个标题涉及到城市配电网（UrbanPowerDistributionNetwork）的优化运行方法，其中使用了深度强化学习（DeepReinforcementLearning）技术，并且特别强调了多级动态重构

电网论文源程序·2023-12-01 09:47

Reward Modelling（RM）and Reinfo

RewardModelling（RM）andReinfo文章标签数据语言模型强化学习文章分类jQuery前端开发阅读数254RewardModelling（RM）andReinforcementLearningfromHumanFeedback

量化交易曾小健(金融号)·2023-11-27 11:15

强化学习简介及马尔科夫决策过程

1.什么是强化学习强化学习（reinforcementlearning,RL）是近年来大家提的非常多的一个概念，那么，什么叫强化学习？

飞剑客阿飞·2023-11-26 08:33

什么是强化学习（马尔可夫决策过程）

马尔可夫决策过程2.3状态值函数(state-valuefunction)2.4状态-行动价值函数（action-valuefunction）什么是强化学习（马尔可夫决策过程）1.强化学习（概述）强化学习（Reinforcementlearning

大鹏的编程之路·2023-11-26 03:11

什么是强化学习

1概况1.1定义强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，与监督学习和无监督学习并列。它主要涉及智能体（agent）在环境中通过学习如何做出决策。

智慧医疗探索者·2023-11-26 03:10

基于通用学习环境和多智能体深度强化学习的列车运行图

‍1.文章信息《Traintimetablingwiththegenerallearningenvironmentandmulti-agentdeepreinforcementlearning》是2022

当交通遇上机器学习·2023-11-26 02:44

机器学习初识

机器学习初识1).监督学习(supervisedlearning)，无监督学习(unsupervisedlearning)，半监督学习(Semi-SupervisedLearning)，强化学习（reinforcementLearning

C_Z_Q_·2023-11-25 14:18

Unity机器学习 ML-Agents第一个例子

机器学习的过程MLAgents机器强化学习的过程（reinforcementlearning）observation-监视，观察decision-决策action-行动reward-奖罚这4个

Peter_Gao_·2023-11-24 18:57

Deep Reinforcement Learning For Sequence to Sequence Models

这篇论文是一篇综述性质的文章吧，研究了现有的Seq2Seq模型的应用和不足，以及如何通过不同的强化学习方法解决不足，写的深入具体，mark一下。本文的顺序是对文章的一个总结，并不是文章真实的组织顺序。论文链接：https://www.paperweekly.site/papers/1973代码链接：https://github.com/yaserkl/RLSeq2Seq1、Seq2Seq模型1.S

文哥的学习日记·2023-11-24 12:21

Dueling Network

DuelingNetwork——DuelingNetworkArchitecturesforDeepReinforcementLearning论文下载地址论文介绍图9.DuelingNetwork模型结果示意图

然后就去远行吧·2023-11-22 02:07

Auto-Tuning with Reinforcement Learning for Permissioned Blockchain Systems

miracleo_·2023-11-21 10:34

推荐频道

ReinForcement