1-强化学习(RL)初印象

最新推荐文章于 2024-06-16 16:28:02 发布
最新推荐文章于 2024-06-16 16:28:02 发布
阅读量109 收藏
点赞数
分类专栏： 强化学习7日打卡 文章标签： 自然语言处理 深度学习 机器学习
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/qq_15821487/article/details/119991148
版权

在这里插入图片描述要不就是遗传（初始化），要不就是模仿人学习（教师模型），环境学习（强化学习）
在这里插入图片描述
和环境的交互学习，又分为已知环境和未知环境的学习
在这里插入图片描述
学习路线，论文复现后就是前沿论文的追踪阅读
在这里插入图片描述
经典教材
在这里插入图片描述
就是跟环境的交互而已
在这里插入图片描述
两部分，三要素。state(全局状态)和observation（局部）在多智能体中
在这里插入图片描述
Flappy bird
在这里插入图片描述
乒乓球
在这里插入图片描述
有奖励延迟
在这里插入图片描述
走迷宫cess=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5oSa5pin5LmL5bGx57ud5pyb5LmL6LC35byA5oKf5LmL5Z2h,size_15,color_FFFFFF,t_70,g_se,x_16)

运动与平衡
在这里插入图片描述
个性化推荐
在这里插入图片描述
股票市场
在这里插入图片描述
交通治理
在这里插入图片描述
强化学习应用路线
在这里插入图片描述
关系，和deep learning有交集
在这里插入图片描述
对比，监督，任务驱动（回归分类），无监督，数据驱动（数据的区别和联系），强化学习（环境驱动，算法要适配环境）

在这里插入图片描述
强化学习直接跨越了，认知到决策的过程，直接到决策

监督学习，认知
强化学习，决策
在这里插入图片描述
围棋，星际争霸，DOTA2
在这里插入图片描述
比人类勤奋
在这里插入图片描述
探索和利用
在这里插入图片描述
会探索也要会学习，两种学习策略
基于价值和基于策略
在这里插入图片描述
两种策略的算法方案
在这里插入图片描述
基于模型和无模型
在这里插入图片描述
强化学习，主流算法库，可以做比对
在这里插入图片描述
仿真平台
在这里插入图片描述
交互接口
在这里插入图片描述
PARL介绍
在这里插入图片描述
快速搭建分布式并行
在这里插入图片描述
对比试验，并行策略
在这里插入图片描述
强化学习总结
在这里插入图片描述

愚昧之山绝望之谷开悟之坡
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【学习笔记】Lesson1-强化学习(RL)初印象（强化学习7日打卡营-世界冠军带你从零实践）
Kevin Pang的博客
06-23 318
Lesson1-强化学习(RL)初印象 1 什么是强化学习 1.1 核心思想 智能体agent在环境environment中学习，根据环境的状态state，执行动作action，并根据环境的反馈reward（类似于现实生活的奖励）来指导更好的动作。 关键词： 2 part: agent, environment 3 factors: state/observation, action, reward 两大特点： 强环境交互，强决策性 奖励延迟 1.2 一个有趣的示例 代码可参考PARL目录：
（飞桨）强化学习7日打卡营——强化学习（RL）初印象
weixin_41773555的博客
06-18 293
Part1 什么是强化学习 强化学习（英语：Reinforcement learning，简称RL）是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。 核心思想：智能体agent在环境environment中学习，根据环境的状态state（或观测到的observation），执行动作action，并根据环境的反馈 reward（奖励）来指导更好的动作。 Part2 强化学习能做什么 游戏（马里奥、Atari、Alpha Go、星际争霸等） 机器人控制（机械臂、机器人、自动驾驶、四
南大俞扬：环境模型学习——让强化学习走出游戏
BAAIBeijing的博客
07-02 403
智源导读：目前，强化学习技术在游戏、围棋等任务中得到了广泛应用，并在一些复杂场景下取得了优于人类的效果。南京大学机器学习与数据挖掘研究所教授俞扬近期在北京智源大会上发表了题为《环境模型学习...
【强化学习纲要】7 基于环境模型的RL方法
qq_43058281的博客
03-13 1727
【强化学习纲要】7 基于环境模型的RL方法7.1 基于环境模型强化学习概要7.2 基于环境模型的价值函数优化7.3 基于环境模型的策略函数优化7.4 在机器人领域的应用 周博磊《强化学习纲要》 学习笔记 课程资料参见：https://github.com/zhoubolei/introRL. 教材：Sutton and Barton 《Reinforcement Learning: An Introduction》 7.1 基于环境模型强化学习概要 前几节都是基于Model-free的强化学习算法，Mod
Lesson1强化学习（RL）初印象 学习笔记
小蒋的博客
11-16 472
Lesson1强化学习（RL）初印象
强化学习（RL）初印象
梁小憨憨的博客
10-07 364
学习百度AI Studio的笔记，供自己复习和记录学习过程中的思路使用，如想了解详情请移步百度AI Studio 强化学习（RL）初印象前言 什么是智能/人工智能Part1 什么是强化学习Part2 强化学习的分类Part3 强化学习能做什么Part4 强化学习与监督学习的区别Part5 强化学习如何解决问题Part6 强化学习的算法和环境Part7 本篇总述 前言 什么是智能/人工智能 Part1 什么是强化学习 强化学习（英语：Reinforcement learning，简称RL） 是机器学习
强化学习（RL）初印象（一）
qq_37296817的博客
06-26 716
强化学习（RL）初印象 参考资料： 《Reinforcement Learning: An Introduction》 伯克利2018 Deep RL课程：http://rail.eecs.berkeley.edu/deeprlcourse/ 强化学习库 PARL: https://github.com/PaddlePaddle/PARL Paddle: https://www.paddlepaddle.org.cn/documentation/docs/zh/beginners_guide/basic_
从零实践强化学习之RL初印象(GYM+PARL)
zbp_12138的博客
06-17 1545
昨天听了曾两度夺得NeurIPS强化学习赛事冠军的飞桨强化学习PARL团队核心成员科老师的课程,不得不说,满满的干货,于是今天打算再看一遍回放,并好好地做一下笔记。 在学习强化学习之前,我们先思考一下,我们想追求的智能是什么? 人类追求的智能是什么? 对人类来说,人的智能可以分为两部分: 一小部分是天生遗传的 绝大部分是要依靠我们出生之后的努力学习 后天的学习一般分两种: 一种是有前人的经验了，我们直接模仿，依葫芦画瓢。 另一种是没有任何的经验，我们只能在摸索中去前进和环境交互、探索 举个例子，一个
强化学习（RL）初印象 百度 PARL
weixin_46471823的博客
06-26 315
人类追求的智能是什么? 对人类来说,人的智能可以分为两部分: 一小部分是天生遗传的 绝大部分是要依靠我们出生之后的努力学习 后天的学习一般分两种: 一种是有前人的经验了，我们直接模仿，依葫芦画瓢。 另一种是没有任何的经验，我们只能在摸索中去前进和环境交互、探索 举个例子，一个人如果一出生就与世隔绝的话，他很有可能学不到任何东西。一个小孩，他从一出生开始就会挥一下胳膊、瞪一下腿，其实就已经开始和周围的环境产生的交互。交互会产生经验，小孩子会慢慢地知道做什么事情，大家会笑;做什么事情会..
强化学习 高山行车问题 RL-MountainCar
04-24
高山行车问题 matlab 实现，网上找不到相应的资料，自己看着书写了一份，没有用网格覆盖，直接用64*64的一个网格代替了，效果差不多
Easy RL强化学习教程.rar
04-08
贡献者：Datawhale开源项目组 作为人工智能里最受关注的领域之一，强化... 在学习强化学习的过程中，遇到了有无数资料却难以入门的问题，于是发起了Datawhale强化学习项目，希望自学的同时帮助更多学习者轻松入门。
easy-rl:强化学习中文教程，在线阅读地址：https
03-20
李宏幽默老师的《深度强化学习》是强化学习领域经典的中文视频之一。李老师幽默风趣的上课风格让晦涩难懂的强化学习理论变得轻松易懂，他会通过很多有趣的例子例证解强化学习理论。某些老师经常会用玩Atari游戏的...
rl-agents:强化学习和计划算法的实现
05-14
rl代理强化学习代理的集合规划蒙特卡洛树搜索安全规划基于价值深度Q网络拟合Q 基于安全值预算拟合Q 引用 安装pip install --user git+https://github.com/eleurent/rl-agents 用法大多数实验都可以从scripts/...
RL-AnIntroduction-sutton强化学习-2018七月最新版
07-23
这是2018年7月更新的sutton的强化学习书籍RL-AnIntroduction
Llama模型家族之Stanford NLP ReFT源代码探索 （四）Pyvene论文学习
段智华的博客
06-09 1333
本文介绍了一个名为pyvene的Python库，支持干预研究在神经模型上的应用。支持自定义干预类型和不同类型的模型架构。支持复杂的干预方案，并且可以共享干预后的模型。可以通过在线模型中心（如HuggingFace）与他人分享干预后的模型。
困惑度作为nlp指标的理解示例
最新发布
h52013141的博客
06-16 192
为了更清晰地说明困惑度的计算过程以及如何通过困惑度判断模型的优劣，我们可以通过一个简单的例子来演示。假设我们有一个非常简单的文本语料库和两个基础的语言模型进行比较。
NLP实战入门——文本分类任务（TextRNN，TextCNN，TextRNN_Att，TextRCNN，FastText，DPCNN，BERT，ERNIE）
a_blade_of_grass的博客
06-09 1922
本文参考自，是为了进行NLP的一些典型模型的总结和尝试。
NLP——电影评论情感分析
weixin_43490216的博客
06-10 419
NLP——电影评论情感分析。
easy rl 强化学习
08-20
Easy RL（强化学习）是一种基于模型简单、易于理解和实现的强化学习算法。相比于其他复杂的强化学习算法，Easy RL 算法具有易于上手、计算效率...而且，由于其简单易懂的特点，它可以作为入门学习强化学习的良好选择。

“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