temporal-difference

    3熱度

    2回答

    按時間比較分析2個數據幀的分析

    This is a small portion of the dataframe I am working with for reference.我正在使用R中的一個數據幀（MG53_HanLab），它有一列Time，其中有多個名稱爲「MG53」的列，名爲「F2 「和幾個與」Iono「在他們。我想比較每個時間點的每個組的手段。我知道我必須對數據進行子集化並嘗試做 control <- MG53_H
    r dataframe subset temporal-difference 2017-07-17

    1熱度

    1回答

    強化學習 - 從餘暉TD學習

    我正在製作一個程序，教導2名玩家使用強化學習和基於餘暉的時間差分學習方法（TD（λ））玩簡單的棋盤遊戲。學習是通過訓練神經網絡來實現的。我用Sutton's NonLinear TD/Backprop neural network）我真的很喜歡你對我下面的困境的看法。 播放的兩個對手之間的匝數的基本算法/僞代碼是這樣 WHITE.CHOOSE_ACTION(GAME_STATE); //White
    machine-learning reinforcement-learning temporal-difference 2015-07-05

    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

    0熱度

    1回答

    如何高效計算五子棋中的印跡曝光

    我正在嘗試實現一個類似於td-gammon的雙陸棋算法here。 正如論文中所描述的，td-gammon的初始版本僅使用特徵空間中的原始板編碼創建了良好的播放代理，但要獲得世界級的代理，您需要添加一些預先計算的代理與好戲相關的功能。其中最重要的特徵之一就是印跡曝光。 印跡曝光被定義here爲： 對於給定的印跡，輥數的36，這將允許對手打印跡。總印跡暴露量是36箇中的卷數，這將允許對手擊中任何污點。
    algorithm machine-learning artificial-intelligence reinforcement-learning temporal-difference 2016-10-08

    4熱度

    3回答

    德爾福/帕斯卡（時間差分學習）TD（λ）

    我有一個人工神經網絡播放井字遊戲 - 但它還沒有完成。 我有什麼尚未： 獎勵陣列 「R [T]」 具有每個時間步長或移動 「t」 的整數值（1 =玩家A贏了，0 =拉伸，-1 =玩家B獲勝） 輸入值通過網絡正確傳播。 公式調整權重： 缺少什麼： 的TD學習：我還需要一個過程，它 「backpropagates」 的網絡的誤差使用TD（λ）算法。 但我不太瞭解這個算法。 我的做法至今... 跟蹤衰減
    artificial-intelligence neural-network reinforcement-learning temporal-difference 2011-01-30

    0熱度

    1回答

    Java中時間差異學習的實現

    下面的代碼是我對時間差異學習的實現。使用TD算法的代理與使用迷你最大程序玩遊戲的代理玩超過750,000個遊戲，但問題是TD代理不學習......這種實現有什麼問題？ 當代理選擇下一步移動時，會調用updateToNextState。 public void updateToNextState(int[] currentState, double[] nextStateOutput) {
    java machine-learning artificial-intelligence neural-network temporal-difference 2013-05-25

    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

    1回答

    比較時間序列

    我試圖總結我解決這個任務頭，不知道是否有這樣做的標準方法或一些圖書館，將是有益的。 某些事件跟蹤和定時在多個數據源S1 ... SN。記錄的信息是事件類型和時間戳。可能會有幾個相同類型的事件依次發生，也可能是間歇性的。可能存在「缺失」事件 - 即當其中一個來源錯過時，反之亦然，當來源引入「誤報」時。在不同來源的同一事件的觀察之間通常會有時間差異。由於源的物理位置，此時間差異具有恆定分量，但也可能由
    temporal-database temporal temporal-difference 2010-09-10

    3熱度

    1回答

    在增強學習中實現丟失函數（MSVE）

    我正在嘗試爲奧賽羅構建一個時間差異學習代理。雖然我的其他實現似乎按預期運行，但我想知道用於訓練我的網絡的損失函數。在Sutton的「增強學習：導論」一書中，均方誤差值（MSVE）是標準損失函數，它基本上是一個均方誤差乘以策略分佈（所有狀態之和（onPolicyDistribution（s ）* [V（s）-V'（s，w）] 2）） 我現在的問題是：當我的策略是學習值函數的e-greedy函數時，如
    reinforcement-learning pytorch loss-function temporal-difference othello 2017-10-11

    1熱度

    3回答

    Delphi：EInvalidOp神經網絡類（TD-lambda）

    我有以下神經網絡類的草稿。這個神經網絡應該學習TD-lambda。它通過調用getRating（）函數來啓動。 但遺憾的是，經過約1000次迭代的EInvalidOp（無效floading點操作）錯誤下面幾行： neuronsHidden[j] := neuronsHidden[j]+neuronsInput[t][i]*weightsInput[i][j]; // input -> hidden
    delphi exception neural-network pascal temporal-difference 2011-02-15
最新問題