![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
强化学习
文章平均质量分 82
想太多!
点个赞关注一波再走呗!QWQ
展开
-
强化学习——day41联系通讯作者和读论文:AAAI-2021:Self-Supervised Attention-Aware Reinforcement Learning
本文设计了一个自我监督的注意模块,该模块可以识别感兴趣的显着区域,而无需明确的手工标记注释。在现有的以CNNs为特征提取器的深度RL方法中,可以直接即插即用。原创 2022-10-12 12:32:12 · 1207 阅读 · 1 评论 -
强化学习——day29 时序差分算法(TD)
MC更吃资源,而TD低方差,收敛效率较高Gt ——回报反向求得Rt+1与一步时序差分的区别在于,比如下棋,有的人能看到一步棋,有的人能看到多步之后,理性情况下,够看到更多步的人赢面更大;非理性情况下,n步的训练数据越长方差越大,所以不稳定性增长了。动态规划DP:所有状态都知道,逐步更新MC:看无穷远TD:看一步暴力搜素:遍历然后找最好的原创 2022-09-26 08:15:00 · 469 阅读 · 0 评论 -
深度学习——day19 读论文:基于改进 Sigmoid 卷积神经网络的手写体数字识别(2021 信息科技)
本文运用的基于 KNN+CNN 的手写数字识别算法的识别率为 99.7%,而基于改进型卷积神经网络的手写数字识别方法识别率为 99.2%,基于改进 VGG-16 和朴素贝叶斯的手写数字识别方法的识别率为 99.36%。原创 2022-09-16 11:19:17 · 963 阅读 · 0 评论 -
强化学习——day17 读论文:基于强化学习动态规划的城市多路径规划模型(2022 Q1 外)
在本文中,我们提出了一个多路径DP模型来解决路径规划问题,并证明了它能够在仅使用有限信息作为输入的情况下,找到能够以最短行程时间规划车辆路径的最优策略。我们可以对所提出的方法得出一些结论。首先,通过在奖励函数中引入距离贡献指数DC I,我们的方法确保了代理可以选择更好的动作,并避免不必要的迂回。第二,我们的方法不仅生成最优路径,而且生成每个交叉口的驾驶策略。这项政策可以为车辆的最佳路线提供几个可比较的替代方案,从而将交通分流到不同的路线,从而缓解拥堵漂移问题。请注意,介绍部分中提到的所有方法只输出一原创 2022-09-14 09:30:00 · 612 阅读 · 1 评论 -
强化学习——day15 读论文:马尔可夫决策过程和先验控制向量在弱约束自然语言生成中的应用(2022 计算机学报)
自 然 语 言 生 成是 目 前 非 常 重 要 且 具 有 挑 战 性 的 一类 人工 智 能 任 务 . 长 短 时 记忆 ( Lo ng Sho r t Te r m Me mo r y ,L STM) 语 言 模 型 是 目 前 最 为 主 流 的 自 然 语 言 生 成 模 型 . 但 是 , L ST M 语 言 模 型 的 训 练 准 则 是 词 语 级 别 的 交 叉 熵 ,这 会 导 致 暴 露 偏 差 问 题.原创 2022-09-12 07:30:00 · 240 阅读 · 0 评论 -
强化学习——day13 马尔科夫决策过程MDP
马尔可夫决策过程(Markov decision process,MDP)是强化学习的重要概念。要学好强化学习,我们首先要掌握马尔可夫决策过程的基础知识。前两章所说的强化学习中的环境一般就是一个马尔可夫决策过程。与多臂老虎机问题不同,马尔可夫决策过程包含状态信息以及状态之间的转移机制。如果要用强化学习去解决一个实际问题,第一步要做的事情就是把这个实际问题抽象为一个马尔可夫决策过程,也就是明确马尔可夫决策过程的各个组成要素。本章将从马尔可夫过程出发,一步一步地进行介绍,最后引出马尔可夫决策过程。原创 2022-09-10 08:30:00 · 1674 阅读 · 0 评论 -
强化学习——day12 多臂老虎机问题MAB
在多臂老虎机(multi-armed bandit,MAB)问题(见图 2-1)中,有一个拥有 根拉杆的老虎机,拉动每一根拉杆都对应一个关于奖励的概率分布 。我们每次拉动其中一根拉杆,就可以从该拉杆对应的奖励概率分布中获得一个奖励 。我们在各根拉杆的奖励概率分布未知的情况下,从头开始尝试,目标是在操作 次拉杆后获得尽可能高的累积奖励。由于奖励的概率分布是未知的,因此我们需要在“探索拉杆的获奖概率”和“根据经验选择获奖最多的拉杆”中进行权衡。“采用怎样的操作策略才能使获得的累积奖励最高”便是多臂老虎机问题原创 2022-09-09 00:15:00 · 1455 阅读 · 1 评论 -
强化学习——day11 马尔科夫决策过程MDP
马尔可夫决策过程(Markov decision process,MDP)是强化学习的重要概念。要学好强化学习,我们首先要掌握马尔可夫决策过程的基础知识。前两章所说的强化学习中的环境一般就是一个马尔可夫决策过程。与多臂老虎机问题不同,马尔可夫决策过程包含状态信息以及状态之间的转移机制。如果要用强化学习去解决一个实际问题,第一步要做的事情就是把这个实际问题抽象为一个马尔可夫决策过程,也就是明确马尔可夫决策过程的各个组成要素。本章将从马尔可夫过程出发,一步一步地进行介绍,最后引出马尔可夫决策过程。原创 2022-09-08 09:55:42 · 1034 阅读 · 0 评论 -
强化学习——day10 强化学习简介
RL智能体分类**基于模型的强化学习**- 策略(和/或)价值函数环境模型- 比如:上述迷宫游戏,围棋等**模型无关的强化学习**- 策略(和/或)价值函数- 没有环境模型- 比如: Atari游戏的通用策略原创 2022-09-05 10:36:40 · 865 阅读 · 0 评论 -
深度学习——day9(外 Q1 2021)基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测
在这项工作中,提出了一种用于裂纹检测的深度监督网络。在该网络中,DeepLab被用作密集特征提取器,以获得多尺度卷积特征。采用了一种新的多尺度特征融合模块。该模块背后的主要动机是解决U形结构中具有语义信息的深层特征在逐层融合过程中被稀释的问题。深度监督学习用于多尺度特征的集成直接监督。此外,采用加权交叉熵损失函数来解决路面裂缝数据的样本不平衡问题。为了进行性能评估,我们分别在三个公共裂缝数据集上进行了实验。实验结果表明,我们的方法优于最先进的裂纹检测方法。裂缝类型和严重程度的分类也具有很高的应用价值原创 2022-09-04 16:11:19 · 4072 阅读 · 1 评论