强化学习
便宜又大碗！AI将画廊轻松搬到自家墙壁；用隐写术在图像中存储文件；免费书·算法高维鲁棒统计；关节式手部模型数据集；前沿论文 | ShowMeAI资讯日报

便宜又大碗！AI将画廊轻松搬到自家墙壁；用隐写术在图像中存储文件；免费书·算法高维鲁棒统计；关节式手部模型数据集；前沿论文 | ShowMeAI资讯日报

👀日报合辑 | 📆电子月刊 | 🔔公众号下载资料 | 🍩韩信子 📢 Mixtiles：将画廊搬到自家墙壁，“便宜又大碗”的艺术平替 https://www.mixtiles.com/ Mixtiles 是一家快速发展的照片创业公司&…
阅读更多...
David Silver Lecture 9:Exploration and Exploitation

David Silver Lecture 9:Exploration and Exploitation

1 Introduction 1.1 Outline 1.1.1 Exploration vs. Exploitation Dilemma 1.1.2 examples 1.1.3 principles Naive Exploration 在前面的章节主要使用的是naive exploration的方法Optimistic Initialisation 这种方法的思想是，我们对每个动作的奖励给出一个乐观的…
阅读更多...
Softmax Strategy

Softmax Strategy

1. epsilon-greedy strategy 11111 2. UCB strategy 222 3. Softmax strategy 333 4. Gradient strategy 444 References [1] 科学网—【RL系列】Multi-Armed Bandit笔记——Softmax选择策略 - 管金昱的博文 [2] The Epsilon-Greedy Algorithm | James D. McCaffrey
阅读更多...
用强化学习神包trl轻松实现GPT2可控文本生成

用强化学习神包trl轻松实现GPT2可控文本生成

来源：投稿 作者：Sally can wait 编辑：学姐 模型github: lvwerra/trl: Train transformer language models with reinforcement learning. (github.com)https://github.com/lvwerra/trl 这个项目是复现 ”Fine-Tuning Language Models from H…
阅读更多...
强化学习Q-learning实践

强化学习Q-learning实践

1. 引言 前篇文章介绍了强化学习系统红的基本概念和重要组成部分，并解释了Q-learning算法相关的理论知识。本文的目标是在Python3中实现该算法，并将其应用于实际的实验中。 闲话少说，我们直接开始吧！ 2. Taxi-v3 Env 为了使本文…
阅读更多...
论文阅读六：软件定义网络中基于Q-学习的负载均衡算法

论文阅读六：软件定义网络中基于Q-学习的负载均衡算法

名词解释： Q-learning Load Balance, QLLB：基于Q-学习的负载均衡算法 Link Layer Discovery Protocol, LLDP：链路层发现协议 摘要：针对SDN的负载均衡问题，为使网络的资源分配更加合理，防止网络拥塞&…
阅读更多...
论文阅读七：面向软件定义网络的负载均衡智能路由策略

论文阅读七：面向软件定义网络的负载均衡智能路由策略

名词解释： Machine Learning Aided Load Balance Routing Scheme Considering Queue Utilization, MLQU：考虑队列利用率的基于机器学习的负载均衡路由算法 QoS-oriented Adaptive Routing Scheme Based on Deep Reinforcement Learning, QAR&#xff1…
阅读更多...
MAPPO 算法的深度解析与应用和实现

MAPPO 算法的深度解析与应用和实现

【论文研读】 The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games 说明： 来源：36th Conference on Neural Information Processing Systems (NeurIPS 2022) Track on Datasets and Benchmarks. 是NIPS文章，质量有保障&…
阅读更多...
强化学习笔记-06 Temporal-Difference TD时分学习

强化学习笔记-06 Temporal-Difference TD时分学习

本文是博主对《Reinforcement Learning- An introduction》的阅读笔记，不涉及内容的翻译，主要为个人的理解和思考。 TD学习是现代强化学习方法的核心，其是蒙特卡罗法和动态规划法的结合，一方面，其同蒙特卡罗法一样&…
阅读更多...
MADDPG-学习笔记(1)

MADDPG-学习笔记(1)

文献链接：https://arxiv.org/abs/1706.02275 "Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments"（作者：Lowe, Ryan等人，2017年） 环境搭建：https://zhuanlan.zhihu.co…
阅读更多...
强化学习MATLAB代码实现

强化学习MATLAB代码实现

强化学习MATLAB代码实现 目录倒立摆代码实现倒立摆代码实现 代码如下（MATLAB）： mdl rlSimplePendulumModel; open_system(mdl) env rlPredefinedEnv(SimplePendulumModel-Discrete); env.ResetFcn (in)setVariable(in,theta0,pi,Workspa…
阅读更多...
使用强化学习快速让AI学会玩贪食蛇游戏(轻量级二十分钟训练+代码)

使用强化学习快速让AI学会玩贪食蛇游戏(轻量级二十分钟训练+代码)

如何让AI玩会贪食蛇，甚至比你厉害概述构建问题(强化学习求解的一般步骤)环境动作定义状态定义奖励设计训练奖励值收敛图采用第4种状态定义方法初步训练效果最终训练效果模型泛化迁移能力代码概述 所用技术：强化学习(Deep Reinforcement Learning)&#…
阅读更多...
《Reinforcement Learning: An Introduction》第1章笔记

《Reinforcement Learning: An Introduction》第1章笔记

文章目录 1.1 强化学习1.2 强化学习的例子1.3 强化学习的要素1.4 局限和范围1.5 拓展例子：井字游戏1.6 总结1.7 强化学习的早期历史参考资料 1.1 强化学习 强化学习是学习做什么—如何将情景映射到动作—以便最大化数字奖励信号。学习者不会被告知该采取什么动作&a…
阅读更多...
Pytorch深度强化学习(3)：详解K摇臂赌博机模型和ϵ-贪心算法

Pytorch深度强化学习(3)：详解K摇臂赌博机模型和ϵ-贪心算法

目录 1 K-摇臂赌博机2 ϵ \epsilon ϵ-贪心算法3 softmax算法4 Python实现与分析 1 K-摇臂赌博机 单步强化学习是最简单的强化学习模型，其以贪心策略为核心最大化单步奖赏 如图所示，单步强化学习的理论模型是 K K K-摇臂赌博机( K K K-armed bandit)&…
阅读更多...
机器学习、深度学习与强化学习区别

机器学习、深度学习与强化学习区别

机器学习：Maching Learning，是实现人工智能的一种手段，也是目前被认为比较有效的实现人工智能的手段。目前在业界使用机器学习比较突出的领域很多，例如计算机视觉、自然语言处理、推荐系统、文本分类等，大家生活中经常…
阅读更多...
Q-Learning 单路径吃宝箱问题--棋盘格吃宝箱问题--拓扑节点较优路径问题

Q-Learning 单路径吃宝箱问题--棋盘格吃宝箱问题--拓扑节点较优路径问题

Q-Learning项目实战 一. 概述 上一篇概念文章讲解了算法的概念和原理：Q-Learning 原理干货讲解 本文将进行项目实战讲解，分别为： 单路径吃宝箱问题棋盘格吃宝箱问题拓扑节点较优路径问题 Q-Learning算法的本质还是下面这个公式，…
阅读更多...

Copyright @ 2022~2023