深度强化学习（一）之脉络梳理

最新推荐文章于 2024-03-28 10:39:28 发布
最新推荐文章于 2024-03-28 10:39:28 发布
阅读量661 收藏 4
点赞数
分类专栏： 深度强化学习 文章标签： 强化学习 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JimmyOrigin/article/details/116754578
版权

目录

一、技术构成

深度强化学习由两个技术构成：
1）RL:Reinforce Learning 强化学习
2）DL:Deep Learning 深度学习

二、深度学习和强化学习区别

1）强化学习完成两个任务：规划 和 决策
2）深度学习完成：特征映射，提取语义信息。
在这里插入图片描述
规划：达到最终状态，中间采取的一系列动作，不仅对当前状态做反应，还要考虑到未来。

三、两种决策方法

在这里插入图片描述
1）DQN
基于value做决策
易训练
在这里插入图片描述
2

最低0.47元/天 解锁文章
JimmyOrigin
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度强化学习综述(上)
SIGAI_CSDN的博客
11-08 1万+
其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》，清华大学出版社，雷明著，由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误，优化，源代码资源 人工智能中的很多应用问题需要算法在每个时刻做出决策并执行动作。对于围棋，每一步需要决定在棋盘的哪个位置放置棋子，以最大可能的战胜对手；对于自动驾驶算法，需要根据路况来确定当前的行驶策略以保证安全的行驶到目的地；对于机...
深度学习研究：发展脉络与瓶颈.pdf
08-18
深度学习研究：发展脉络与瓶颈.pdf
强化学习中的动态规划与决策网
禅与计算机程序设计艺术
01-18 1006
1.背景介绍 强化学习(Reinforcement Learning, RL)是一种机器学习方法，它通过与环境的交互来学习如何做出最佳决策。强化学习的目标是找到一种策略，使得在环境中执行的动作可以最大化累积奖励。在强化学习中，动态规划(Dynamic Programming, DP)和决策网(Decision Network)是两种重要的方法，它们可以帮助我们解决复杂的决策问题。 在本文中，我...
深度强化学习笔记
最新发布
dogfat的博客
03-28 1059
DRL学小笔记，整理一些大佬们的图文资料，主要是帮助自己理解。资源放在最后啦，先感谢大佬们辛勤栽树，让后人能找个乘凉的好地方。 主流深度学习模型 卷积神经网络 循环神经网络 主流强化学习模型 强化学习的过程简单说就是一个智能体（Agent）采取行动（Action）从而改变自己的状态（State）获得奖励（Reward）与环境（Environment）发生交互的循环过程。 基于价值的RL模型 Q Learning模型（off-policy，单步更新） 先上莫烦大佬的Q Learning主循环程序。
深度学习学习规划
zhouzongzong的博客
12-26 669
基于强化学习的多智能体任务规划(一)
赛亚茂的博客
09-26 3820
在这篇文章中，相比于传统的AFSIM，作者开发了一种新的人工智能的系统。相比于传统的AI训练器有充分利用先验知识，训练步长更短更快的特点。在此我们不讨论其系统实现的具体细节，我们仅仅讨论其多智能体条件下的强化学习环境搭建问题。这里的问题是二维多智能体博弈对抗问题(MA2D)。
【强化学习】基于表格型方法的规划和学习
sword_csdn的博客
07-20 794
如果换一个角度来考虑一系列强化学习方法，它们可以被分为基于模型的（model-based）和无模型（model-free）的两类强化学习方法。model-based的方法将“规划”作为其主要部分，而model-free的方法则依赖于“学习”。虽然这两种方法之间存在着很大的差异，但是也有很多相似之处，比如这两类方法的核心都是计算价值函数。此外，所有的方法都基于对未来事件的展望，来计算一个回溯价值，然后使用它作为目标来更新一个近似价值函数。 模型和规划 环境模型，指的是agent可以用来预测环境将如何对其行
动态规划求解强化学习任务——策略评估[解析解]
静静的学习就好
05-24 1003
上一节我们提到，策略迭代(Policy Iteration)是动态规划(Dynamic Programming,DP)求解强化学习任务的一种方式，共包含两个部分：策略评估，策略改进。 本节主要介绍：在策略评估过程中使用解析方式求解最优价值函数。
强化学习导论 | 第八章 规划和学习
Firmiana1220的博客
04-07 1703
前面几章已经讲了model-based (如：动态规划)和model-free (蒙特卡洛、时序差分)方法。这两种方法的区别在于计算价值函数的时候是否已知模型（这里指状态转移概率）。虽然这两种强化学习方法不同，但也有相同的地方，比如：两种方法的核心都在于计算价值函数，还都是根据未来的奖励来估算当前状态价值。 既然有相同之处，这两种强化学习方法能否统一起来呢？这就是本章的内容，其中，model-ba...
深度强化学习必读-决策算法综述
lqfarmer的博客
03-27 582
本书介绍 本书广泛介绍了不确定条件下最优决策的算法。涵盖了与决策相关的各种主题，介绍了基本的数学问题公式和解决它们的算法。提供图形、例子和练习来介绍各种方法背后的几本原理。本书是为高级本科生和研究生以及专业人士准备的。这本书需要一些数学知识，并假设之前接触过多变量微积分、线性代数和概率概念。附录中提供了一些审查材料。 文zxhuoqu:https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=100008655&amp...
深度学习：从研究脉络到学习支持.pdf
08-18
学者彭红超、祝智庭（2020）在梳理深度学习研究脉络的基础上，对深度学习做了新界定：深度学习是一种基于理解、追求迁移应用的有意义学习，它通过促使学生深度参与学习、适宜性地采用高级学习策略来促进高阶知能的...
10_理清深度学习优化函数发展脉络1
08-03
背景知识深度学习络训练中，有很多可供选择的优化函数如SGD、Adam等等，到底哪个好呢？其实这个问题没有确切的答案，优化函数是需要配合损失函数使的，说了，优化函
样例对比学习->类别监督对比学习脉络梳理
06-17
汇报PPT，主要介绍了几篇深度学习领域->对比学习方面的论文，对于MOCO，simCLR两种典型的对比学习框架进行了介绍；而后从样例对比学习转到聚类对比学习，再转而介绍了有监督对比学习，总共设计6篇论文。适合于组会...
深度学习的发展脉络和方向.pdf
08-18
深度学习的发展脉络和方向.pdf
深度学习+强化学习=深度强化学习
热门推荐
TSINGHUAJOKING
01-23 1万+
#mermaid-svg-WFqfegK8UQpCBS9l .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-WFqfegK8UQpCBS9l .label text{fill:#333}#mermaid-svg-WFqfegK8UQpCBS9l .node rect,#mermaid-svg-WFqfegK8U.
深度增强学习——Q-learning和决策梯度
weixin_45268911的博客
07-23 2429
深度增强学习——Q-learning和决策梯度 一、什么是强化学习 强化学习是指，我们有一个智能体（agent），能够在其环境（environment）中采取行动，也可以因为其行动获得奖励，它的目标是学会如何行动以最大限度地获得奖励。强化学习多是一种动态规划的思路，使用生活化语言描述，就叫做：实践出真知。与之前学过的监督学习和无监督学习不同，强化学习本身并不依赖于数据或者数据的标签，而是依赖于对输入数据预测之后的反馈，因此它介于监督学习和非监督学习之间。 如上图所示，一个agent(例如：玩家)做出了一个
《边做边学深度强化学习：PyTorch程序设计实践》——6.3Dueling Network
longgegeo的博客
01-26 1440
实际上，adv的大小是[minibatch的大小×动作类型的数量]，val的大小是[minibatch的大小×1]。因此，在求val时，使用expand调整它的大小，使其成为[minibatch的大小×动作的数量]。在Net类的初始化函数中，与DDQN类似地构建输入层fc1和第一个隐藏层fc2，在最后创建与Advantage有关的层fc3_adv和与状态价值有关的层fc3_v。组成的部分，和该动作确定的部分。相关的网络连接参数，学习所需的实验轮数比DQN更少，随着动作选择的增加，优势更加明显。
浅谈强化学习二之马尔卡夫决策过程与动态规划
lj19940110的博客
04-21 794
书接上文，目前普遍认为强化学习的算法分为基于值函数和基于策略搜索以及其他强化学习算法。 先说强化学习的基础，提及强化学习，就要先认知马尔可夫。确认过眼神，大家都是被公式折磨的人，这里就不讲公式了，只是说一下自己的理解，作为大纲方便大家去理解学习，更具体的需要看书去系统学习。 1）马尔可夫性是指系统的下一个状态仅与当前状态有关，与之前状态无关。 2）马尔可夫过程：假设S是有限的状态集合，P是状...
帮我梳理一个pytorch的知识脉络
04-04
自动微分是PyTorch的核心功能之一，也是PyTorch与其他深度学习框架的区别之一。 4. 模型构建 PyTorch提供了一种简单而灵活的方式来构建深度学习模型。可以使用Python编写模型，然后通过PyTorch提供的API将其转换为...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值