蓝羽飞鸟的博客

通过简易迷宫问题，理解Monte-Carlo算法和Sarsa算法 3×33\times33×3的迷宫如下 可以通过每一步都随机地走，直到走到S8为止 这里主要写通过强化学习，找到最佳路线 MC算法： 首先定义一个policy，它是一个矩阵，行代表S1～S8 列代表action的4个方向，这里定义方向为↑、→、↓、←的顺序 policy定义为πθ(s,a)\pi_{\theta}(s, a)πθ​...

CartPole是OpenAI gym中的一个游戏测试 https://gym.openai.com/envs/CartPole-v1/ 目的是通过强化学习让Agent控制cart，使pole尽量长时间不倒 这里用Q-learning实现，理解Q-learning Q矩阵定义： CartPole状态是保存在observation中的，有4个变量，cart位置和速度，pole的角度和速度，它们都是...

深度学习识别手写数字，用Pytorch实现，对象是有标号的手写数字数据集MNIST(Modified National Institute of Standards and Technology) 一般download MNIST数据集用以下command: mnist = fetch_mldata('MNIST original') 但是因为在本机上总是出现timeout的错误，更改为以下co...