q-learning

0熱度

1回答

從一個數組

我想用Q學習訓練CatPole-V0餵養tensorflow佔位符。當試圖更新用豐富的經驗，我收到以下錯誤重傳緩衝器： ValueError: Cannot feed value of shape (128,) for Tensor 'Placeholder_1:0', which has shape '(?, 2)' 相關的代碼片段是： def update_replay_buffer(re

tensorflow reinforcement-learning q-learning openai-gym 2017-10-29

---

1熱度

1回答

深q學習不收斂

我正在使用Keras進行深q學習的實驗，並且我想要教授代理來執行任務。在我的問題 我wan't教的試劑，以避免撞擊物體在它的路徑，通過改變它的速度（加速或減速） 所述試劑水平移動和對象以避免在垂直方向移動的，我不要他學會改變速度以避免擊中它們。 我基於我對這個代碼：Keras-FlappyBird 我試圖3個不同模型（我不使用卷積網絡） 模型與S形的激活函數10密隱藏層，用400輸出節點 模型與L

tensorflow deep-learning keras keras-layer q-learning 2017-04-17

---

0熱度

2回答

加強學習：在Q-learning培訓完成後，我是否必須忽略超參數（？）？

學習者可能正處於訓練階段，在那裏它會更新一堆時代的Q表。 在這個階段，Q表會更新爲gamma（貼現率），學習率（alpha），並且動作將由隨機動作率選擇。 經過一段時間後，當獎勵變得穩定後，讓我稱之爲「訓練完成」。那麼在那之後我必須忽略這些參數（伽馬，學習率等）嗎？ 我的意思是，在訓練階段，我從Q-表像這樣的動作： if rand_float < rar: action = rand.r

reinforcement-learning q-learning 2017-04-25

---

1熱度

1回答

隨機優化行動選擇

我正在開發自駕車計劃的代碼。我在我的choose_action函數中遇到問題。代理應該從選擇的有以下步驟最高Q值的動作選擇隨機行動： 「其他： 行動= maxQaction」 但我現在寫的方式，每次只會選擇相同的動作。任何人都可以建議如何隨機選擇最高的Q值，也許我可以使用列表。 Code: import random import math from environment import A

python-2.7 q-learning 2017-09-27

---

1熱度

2回答

學習與DQN玩曲線發燒遊戲的獎勵功能

我做了一個簡單版本的曲線發燒，也被稱爲「Achtung Die Kurve」。我想讓機器弄清楚如何最佳地玩遊戲。我從谷歌的Tensorflow製作的一些Atari遊戲例子中複製並略微修改了現有的DQN。 我想找出一個合適的獎勵功能。目前，我用這個獎勵設置： 0.1每一幀它不會崩潰 -500每次崩潰 這是正確的做法？我需要調整值嗎？或者我需要一個完全不同的方法？

machine-learning tensorflow deep-learning reinforcement-learning q-learning 2017-05-05

---

0熱度

1回答

政策梯度網絡中的自動區分

我確實瞭解政策梯度網絡中的反向傳播，但我不確定如何與自動區分的庫協同工作。 也就是說，他們如何將它轉換成監督學習問題。 例如，下面的代碼： Y = self.probs + self.learning_rate * np.squeeze(np.vstack([gradients])) 爲什麼爲Y爲動作不1-熱矢量取？ 他正在計算假設動作正確的梯度，Y是一個熱點向量。然後他在相應的時間步驟中乘以

machine-learning neural-network reinforcement-learning q-learning 2017-06-25

---

0熱度

1回答

動態環境下的強化學習與大型國家行動空間

我有一個500 * 500的網格有7個不同的懲罰值。我需要製作一個RL代理，其行動空間包含11個動作。 （左，右，上，下，4個對角線方向，加速，減速和正常速度）。我怎麼解決這個問題？ 選擇的「執行操作」的概率爲0.8。否則，會選擇一個隨機動作。而且，懲罰值可以動態改變。

artificial-intelligence reinforcement-learning q-learning function-approximation 2017-05-08

---

0熱度

1回答

如何從另一個數組索引到張量張量流

我正在嘗試爲AI中的問題編寫深度q-學習網絡。我有一個函數predict()，它產生一個形狀(None, 3)的張量，輸入形狀(None, 5)。 (None, 3)中的3對應於每個狀態下可以採取的每個動作的q值。現在，在訓練步驟中，我必須多次呼叫predict()，並使用結果計算成本並訓練模型。爲此，我還有另一個可用的數據數組，名爲current_actions，它是一個列表，其中包含以前迭代中

python tensorflow deep-learning artificial-intelligence q-learning 2017-08-17

---

0熱度

1回答

FrozenLake Q-Learning更新問題

我正在學習Q-Learning，並試圖在OpenAI Gym的FrozenLake-v0問題上構建Q-learner。由於問題只有16個狀態和4個可能的操作，所以它應該相當容易，但看起來像我的算法沒有正確更新Q表。 以下是我的Q學習算法： import gym import numpy as np from gym import wrappers def run( env,

python reinforcement-learning q-learning 2017-11-25

---

1熱度

1回答

優先體驗在深度Q-learning中重播

我在開放式健身房的mountain car problem中實施DQN。這個問題很特殊，因爲積極的回報非常稀少。所以我想到了這個paper by google deep mind中提出的優先體驗重播。 但是也有一些困惑我某些事： 我們如何存儲回放存儲器。我得到那我是過渡的優先事項，有兩種方式，但這是什麼P（我）？ 如果我們按照給定的規則不會P（i）每次添加樣本都會改變。 當它說「我們根據此概率分佈

deep-learning priority-queue reinforcement-learning q-learning 2017-07-18

---