reinforcement-learning

6Ciepło

3Odpowiedz

Bezkresowy wzrost Q-wartości, konsekwencja powtarzającej się nagrody po powtórzeniu tego samego działania w Q-Learning

Jestem w trakcie opracowywania prostej implementacji Q-Learning przez trywialną aplikację, ale jest coś, co mnie zastanawia . Rozważmy standardowy preparat Q-learning Q(S, A) = Q(S, A) + alpha * [R +

machine-learning artificial-intelligence reinforcement-learning q-learning 2012-10-30

---

5Ciepło

2Odpowiedz

Jaka jest przewaga gradientu deterministycznej polityki w stosunku do gradientu polityki stochastycznej?

Głęboka deterministyczna strategia polityczna (DDPG) to najnowocześniejsza metoda uczenia się zbrojenia, gdy przestrzeń działania jest ciągła. Jego głównym algorytmem jest Deterministic Policy Gradien

reinforcement-learning 2017-03-13

---

7Ciepło

2Odpowiedz

Python Neural Network Reinforcement Learning

Chcę utworzyć sieć neuronową, która jest wyszkolona w uczeniu się wzmacniania w Pythonie. X -> [ANN] -> yEstimate -> score! -> (repeat until weights are optimised) Używam scikit-learn w tej chwili,

python machine-learning scikit-learn reinforcement-learning 2015-12-24

---

13Ciepło

1Odpowiedz

Jak korzystać z Optymalizatora Tensorflow bez ponownej obliczania aktywacji w programie uczenia zbrojenia, który zwraca kontrolę po każdej iteracji?

EDIT (03.01.16): corresponding github issue Używam Tensorflow (interfejs Python) wdrożenie Q-learning agenta z funkcji zbliżenia wyszkolonych za pomocą gradientu stochastycznego zejście. Przy każdej i

machine-learning tensorflow reinforcement-learning q-learning 2015-12-30

---

12Ciepło

1Odpowiedz

Ponowne inicjowanie śledzenia uprawnień między odcinkami w implementacji SARSA-Lambda

Patrzę na tę implementację SARSA-Lambda (np. SARSA ze śladami kwalifikowalności) i jest szczegół, którego wciąż nie dostaję. (Obraz z http://webdocs.cs.ualberta.ca/~sutton/book/ebook/node77.html) Więc

machine-learning reinforcement-learning sarsa 2015-04-27

---

9Ciepło

2Odpowiedz

Q Algorytm uczenia się dla Tic Tac Toe

Nie mogłem zrozumieć, jak zaktualizować wartości Q dla gry w kółko i krzyżyk. Czytałem o tym wszystkim, ale nie mogłem sobie wyobrazić, jak to zrobić. Czytałem, że wartość Q jest aktualizowana na końc

machine-learning artificial-intelligence tic-tac-toe reinforcement-learning q-learning 2015-01-19

---

7Ciepło

1Odpowiedz

pytania P-Learning za pomocą sieci neuronowych

I realizowane Q-Learning jak opisano http://web.cs.swarthmore.edu/~meeden/cs81/s12/papers/MarkStevePaper.pdf W celu ok. Q (S, A), że użycie struktury sieci neuronowej w następujący sposób, esicy aktyw

machine-learning artificial-intelligence neural-network reinforcement-learning q-learning 2014-12-07

---

11Ciepło

1Odpowiedz

Każdy przykładowy kod algorytmu REINFORCE zaproponowany przez Williamsa?

Czy ktoś wie żadnych przykładowy kod algorytmu Ronald J. Williams zaproponowanego w A class of gradient-estimating algorithms for reinforcement learning in neural networks

reinforcement-learning 2015-02-11

---

55Ciepło

2Odpowiedz

Szkolenie sieci neuronowej ze zbrojeniem uczącym się

Znam podstawy sieci neuronowych sprzężenia zwrotnego i jak je trenować z wykorzystaniem algorytmu wstecznej propagacji, ale szukam algorytmu, którego nie będę mógł użyć do szkolenia SSN z uczeniem się

algorithm language-agnostic machine-learning neural-network reinforcement-learning 2012-05-23

---

10Ciepło

1Odpowiedz

Q learning vs Temporal Difference vs Wzmocnione uczenie oparte na modelu

Jestem na kursie o nazwie "Inteligentne maszyny" na uniwersytecie. Wprowadzono 3 metody uczenia wzmocnionego, a dzięki nim otrzymaliśmy intuicję, kiedy ich używać i cytuję: Q-Learning - najlepiej, gdy

machine-learning reinforcement-learning markov markov-models 2015-12-09

---