小小程序猿

SARSASARSA（State-Action-Reward-State-Action）是一个学习马尔可夫决策过程策略的算法，通常使用在机器学习领域的增强学习上。一篇技术文章介绍了这个算法并且在注脚处提到了SARSA这个别名。 State-Action-Reward-State-Action这个名称清楚地反应了其学习更新函数依赖的5个值，分别是当前状态S1，当前状态选中的动作A1，获得的奖励Rew

来自Github开源项目的基于Grid World游戏的Q-Learning算法 Github地址：https://github.com/rlcode/reinforcement-learning/tree/master/1-grid-world/5-q-learningQ-LearningQ-Learning是一项无模型的增强学习技术，它可以在MDP问题中寻找一个最优的动作选择策略。它通过一个动

本文尝试解析Python实现的Policy Iteration算法，代码来自Github某大神的库– Github地址。其实现代码解决了下图中方块行走的问题，即控制红色方块，走到蓝色球的位置上算通关，碰到绿色三角要减分。 算法描述Policy Iteration直译成中文是策略迭代，言下之意就是通过不停的更新策略使策略达到最优解。Policy Iteration算法的主要步骤分为2步，先是执行P

同样是来自于Github开源项目的代码，这次尝试分析其Grid World的Monte Carlo算法。 Github地址：https://github.com/rlcode/reinforcement-learning/tree/master/1-grid-world/3-monte-carloGrid WorldGrid World是该开源项目用于检验算法的一个测试环境，是由n*n个

Github上某开源项目的Deep SARSA算法实现代码地址： https://github.com/rlcode/reinforcement-learning/tree/a497d719e3ecdd254e6620cf4f4b9afb0524b099/1-grid-world/6-deep-sarsaDeep SARSADeep SARSA算法是基于SARSA算法的，不同之处在于SARSA算法

1.Softmaxsoftmax函数通常用在机器学习的分类问题中，作为输出层的激活函数。它的输入是一个实数向量，输出向量的长度与输入向量相同(也与分类的数目相同)，但所有元素的取值范围为(0,1)，且所有元素的和为1。输出向量的各个元素值表示的是属于某个分类的可能性。softmax函数的数学表达式为：softmax(x)i=exi∑jexjsoftmax(\boldsymbol x)_i=...

1.Tensorflow Softmax这个作业题可以算是tensorflow的入门练习，涉及tensorflow的一些基本知识。虽然内容比较基础，但是基本包含了tensorflow的理念。如果理解得好，就能很快用上tensorflow了。编写本文时采用开发环境py3.6.7及tensorflow1.12.0。且导入tensorflow别名为tf。import tensorflow as t...