reinforcement-learning

    3熱度

    1回答

    的神經網絡

    格子世界表示我試圖想出一個2-d格世界的，其利用的Q功能的神經網絡的Q學習算法的狀態更好的代表性。 在教程Q-learning with Neural Networks中，網格表示爲整數的三維數組（0或1）。第一個和第二個維度表示網格世界中對象的位置。第三維編碼它是哪個對象。因此，對於其中包含4個對象的4x4網格，您將代表具有64個元素的3維數組（4x4x4）的狀態。這意味着，輸入層中的神經網絡將
    neural-network reinforcement-learning q-learning 2016-04-25

    2熱度

    1回答

    Tensorflow通過切片丟失Q網的實現

    我正在通過TensorFlow中的深層強化學習（Mnih et al。2015）在人類控制中實現Q網絡。 爲了近似他們使用神經網絡的Q函數。 Q函數將狀態和動作映射爲標量值，稱爲Q值。即它是一個函數，如Q（s，a）= qvalue。 但是，不是將狀態和動作都作爲輸入，而只是將狀態作爲輸入，並以給定的順序輸出每個法律行爲具有一個元素的向量。因此Q（s，a）變成Q'（s）= array([val_a1
    python neural-network tensorflow reinforcement-learning q-learning 2016-01-21

    2熱度

    1回答

    沒有函數逼近的梯度時差Lambda

    在GTD的每一種形式（λ）似乎用函數逼近來定義它，使用θ和一些權重向量w。 我知道漸變方法的需求廣泛來自線性函數逼近器的收斂性，但我想利用GTD進行重要性採樣。 是否有可能在沒有函數逼近的情況下利用GTD？如果是這樣，更新方程是如何形式化的？
    machine-learning reinforcement-learning temporal-difference 2016-04-30

    10熱度

    1回答

    Q學習與時間差異與基於模型的強化學習

    我在大學裏的一門名爲「智能機器」的課程。我們與增強學習的3種方法進行了介紹，並與我們給出了何時使用它們的直覺，我引述： Q學習 - 最好的時候MDP不能得到解決。 時間差異學習 - 當MDP已知或可以學習但無法解決時最好。 基於模型 - 當MDP無法學習時最好。 我問了一個例子，說明爲什麼在QL等上使用TDL，講師找不到一個。 那麼有沒有什麼好的例子可以選擇其中一種方法？謝謝。
    machine-learning reinforcement-learning markov markov-models 2015-12-09

    0熱度

    1回答

    使用線性函數逼近的Q學習

    我想獲得一些關於如何使用函數逼近的Q學習算法的有用說明。對於基本的Q學習算法，我找到了一些例子，我想我也明白它。如果使用函數逼近，我會遇到麻煩。有人可以通過一個簡短的例子來解釋它是如何工作的嗎？ 我所知道的： Istead使用矩陣，我們使用的功能和參數Q值的。 使用派生函數和參數的線性組合近似。 更新參數。 我已經檢查本文：Q-learning with function approximatio
    algorithm reinforcement-learning q-learning function-approximation 2016-03-22

    0熱度

    2回答

    用於python強化學習的模擬和可視化庫？

    我知道keras，阻止其他一些其他人使用的nn的Python庫。但是，有沒有一個庫可以使可視化任務變得簡單？在代理商/環境的3D模型，觀看模擬等方面......我可以在網上看到一些RL視頻，展示模擬代理/環境，但是他們從頭開始製作視覺模型或使用其他語言/技術...（或者他們是很老）
    python machine-learning visualization simulation reinforcement-learning 2016-05-12

    0熱度

    2回答

    Q學習係數溢出

    我一直在使用黑盒挑戰（www.blackboxchallenge.com）嘗試學習一些強化學習。 我已經爲挑戰創建了一個任務和環境，並且我使用PyBrain根據黑盒環境進行訓練。對環境的總結是，每個狀態都有一些特徵，這些特徵是一個浮點數的浮點數和一系列動作。對於訓練示例，它是36個特徵和4個動作。 我已經嘗試了Q_LinFA和QLambda_LinFA學習者，但都有他們的係數溢出（._theta數
    pybrain reinforcement-learning q-learning 2016-03-28

    1熱度

    1回答

    時間差異學習和反向傳播

    我已閱讀此頁的斯坦福 - https://web.stanford.edu/group/pdplab/pdphandbook/handbookch10.html。我無法理解TD學習如何用於神經網絡。我正在嘗試製作一個跳棋AI，它將使用TD學習，類似於他們在西洋雙陸棋中所實施的功能。請解釋TD Back-Propagation的工作。 我已經提到這個問題 - Neural Network and T
    machine-learning neural-network backpropagation reinforcement-learning temporal-difference 2016-02-14

    1熱度

    2回答

    強化學習：爲連續動作和連續狀態空間選擇離散化步驟和性能指標的困境

    我想爲控制系統編寫一個自適應控制器，即使用Q學習的電源管理系統。我最近爲推車系統實施了一個玩具RL問題，並從Andrew Andrew的筆記中制定了直升機控制問題的表述。我很欣賞價值函數逼近在這種情況下是必不可少的。然而，這兩個流行的例子都有可能的離散行爲的數量非常少。我有三個問題： 1）如果您沒有少量離散操作，處理這些問題的正確方法是什麼？我的行爲和狀態的維度似乎已經炸燬，學習看起來很差，這引起
    machine-learning artificial-intelligence reinforcement-learning 2016-04-07

    -1熱度

    1回答

    如何使用神經網絡尋找車輛目標？

    我對神經網絡很陌生。我已經做了一些閱讀，並按照this book中的示例實施了感知器。結果可以在aronadler.com/neural-net上查看。這是一個簡單的感知器，可以知道某個點是高於還是低於一條線。它是用JavaScript和PaperJS編寫的畫布圖形。 但是，我想更進一步。我創建了一個simple game in paperjs，您可以通過向左和向右箭頭鍵進行操縱來控制車輛，並通過
    javascript machine-learning neural-network paperjs reinforcement-learning 2016-01-05
最新問題