- 博客(9)
- 收藏
- 关注
原创 MADDPG 你想要的
这里面和我们的Policy-Gradient唯一的区别在于,Policy-Gradient中直接就是一个Reward,但是这里的Q实际上是Critic相关的输出(td-error),并且这个输出和所有的智能体的行为,当前环境都是相关的,即,每个智能体都配备有一个专门负责其学习的Critic网络。即最优Q值会随着时间变化的问题,这会使Q-learning学习变得困难,此外环境的不稳定还会导致Q-learning的batch memory方法失效,进一步导致Deep Q Network的功能也变差。
2023-05-11 20:12:16
679
原创 神经网络常用激活函数
激活函数是应用于这些神经元输出的非线性函数,它的作用是增加神经网络的表达能力,使得神经网络可以学习更为复杂的模式。→使用LeakyReLU激活函数,它是ReLU的一种变体,将x<0区域的输出设置为一个很小的负数,解决了ReLU激活函数中可能出现的“死亡”神经元问题。没有激活函数,神经网络只是对输入进行简单的线性变换,这样的话就限制了神经网络的表达能力。公式:tanh(x) = (e^x - e^(-x))/(e^x + e^(-x))另外,激活函数还可以将神经元的输出限制在一个特定的范围内,
2023-05-04 21:07:37
288
原创 Linux 基本指令急速精通
第2,3,4个符号是usr的权限;第一个符号,如果为d,表示这是一个文件夹,如果为-,表示这是一个文件。x:execution可执行,不可执行为 -w:write 可写,不可写为 -r:read 可读,不可读为 -6.文件权限操作指令。
2023-05-03 23:33:45
121
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人