【深度学习李宏毅】【機器學習2021】概述增強式學習 (Reinforcement Learning, RL) (一) – 增強式學習跟機器學習一樣都是三個步驟

最新推荐文章于 2024-08-08 17:45:51 发布
最新推荐文章于 2024-08-08 17:45:51 发布
阅读量367 收藏 3
点赞数 6
分类专栏： 【杂学】 文章标签： 深度学习 人工智能
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/weixin_43154149/article/details/140425966
版权

文章目录

from视频: https://www.youtube.com/watch?v=XWukX-ayIrs

Outline

在这里插入图片描述

What is RL?(Three steps in ML)

在这里插入图片描述
在这里插入图片描述

机器学习 三步骤

在这里插入图片描述

Step1：Function with Unknown

采取sample，更多随机性
在这里插入图片描述

Step2： Define “Loss”

在这里插入图片描述

Step3：Optimization

在这里插入图片描述

Policy Gradient

在这里插入图片描述

How to control your actor

控制 Actor的行为？
在这里插入图片描述
在这里插入图片描述

增加An控制程度

在这里插入图片描述
在这里插入图片描述

Version 0【短视的】【范例程式】

在这里插入图片描述

在这里插入图片描述

Version 1， 2【评估之后的事情，距离衰减系数 】

在这里插入图片描述
添加 距离衰减系数

在这里插入图片描述

Version3 【标准化】

在这里插入图片描述

具体操作

每一次 actor 更新，都需要重新收集资料！【非常花时间！】

在这里插入图片描述

在这里插入图片描述

On-policy v.s. Off-policy【Off-policy的优势在于：收集1次资料，更新参数多次，PPO？】

在这里插入图片描述

在这里插入图片描述

Exploration【增加随机性】

在这里插入图片描述

DeepMind - PPO

在这里插入图片描述

OpenAI - PPO

在这里插入图片描述

接深度学习联系丝信
关注
  • 6
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【RL】《Hung-yi Lee（李宏毅）RL course》的学习笔记
墨门
12-19 452
状态。
深度学习-李宏毅学习笔记（LECTURE1 Introduction）
h_wanying
11-09 4453
最近要做关于深度学习的调研报告，看了李宏毅的300页PPT，学习笔记如下： LECTURE 1 Introduction深度学习的介绍 深度学习实质上就是寻找一个函数模型，这个寻找的过程分为三个步骤： 定义模型（神经网络）， 模型性能， 挑选最佳模型。
李宏毅机器学习笔记第17周_概述增强式学习（Reinforcement Learning）
peaunt1的博客
08-04 664
Reinforcement Learning
李宏毅机器学习课程-概述增强式学习0214
weixin_49747347的博客
02-14 639
B站李宏毅2021春机器学习课程P73 目录 1、什么是RL 2、Function 3、Loss​ 4、Optimization 1、什么是RL 强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 强化学习是智能体（Agent）以“试错”的方式进行学习，通过与环境进行交互...
李宏毅2020机器学习深度学习
既脱春火的博客
01-21 354
P1机器学习 1.机器学习就是自动寻找函数（函式） 2.找到的函数输出是一个数值即可称之为regression （回归） 3.generation 不同于回归于分类 是一个让机器创造的过程 作业中RNN中的Seq2seq可翻译产生语句（文句） CNN中的GAN 产生二次元人物头像 4.Supervised learning 告诉机器每张图片对应的正确分类输出就是做label 即理想输出。而有label的训练 即Supervised learning 有了label后即可计算实际与理想的偏差 即找到的
李宏毅深度强化学习导论——基本概念
日积月累，天道酬勤
03-21 999
李宏毅强化学习简介
年终推荐：李宏毅《机器学习》40讲真香
Python数据挖掘
12-26 2004
提起李宏毅老师，熟悉机器学习的读者朋友一定不会陌生。最典型的就是开局一言不合就“宝可梦”。李宏毅老师幽默风趣的教学风格也吸引力很多机器学习爱好者。 李宏毅老师，是宝岛台湾大学电机工程系教授，他分别于2010年和2012年获得硕士和博士学位，主要研究机器学习尤其是深度学习、语言理解和语音识别。李宏毅老师的机器学习课程可以说是最具代表性的中文公开课之一，已经成为大量国内初学者的首选。 截至目前，2021年版的机器学习40节课程已经全部更新完毕，全程中文讲解，覆盖的内容也非常丰富，视频均长约40分钟，内容较多，喜
李宏毅机器学习笔记【未完】
AbyssssssssssS的博客
05-17 1857
李宏毅2021/2022春机器学习课程 【《2021机器学习-李宏毅》学习笔记】 一、机器学习 1.机器学习基本概念 找一个函数。 深度学习：使用类神经网络的函数。 可以有各式各样的输入：向量，矩阵（如图像），序列（如语音，文本）；也可以有各式各样的输出：数值（regression），类别（classification），文本图像… 函数类别 Regression（回归）：输出是一个数值（scalar） Classification（分类）：给定选项/类别（classes），输出正确的 Structur
李宏毅《机器学习2022》笔记
weixin_44298961的博客
10-12 1671
李宏毅《机器学习2022spring》笔记
【视频+PPT】2021年李宏毅版40节机器学习课程已更新完毕，推荐收藏！
Python学习与数据挖掘
10-05 1096
提起李宏毅老师，熟悉机器学习的读者朋友一定不会陌生。最典型的就是开局一言不合就“宝可梦”。李宏毅老师幽默风趣的教学风格也吸引力很多机器学习爱好者。 李宏毅老师，是宝岛台湾大学电机工程系教授，他分别于2010年和2012年获得硕士和博士学位，主要研究机器学习尤其是深度学习、语言理解和语音识别。李宏毅老师的机器学习课程可以说是最具代表性的中文公开课之一，已经成为大量国内初学者的首选。 截至目前，2021年版的机器学习40节课程已经全部更新完毕，全程中文讲解，覆盖的内容也非常丰富，视频均长约40分钟，内容较多，喜
李宏毅机器学习2021HW3食物数据集
07-06
1、本资源为台大李宏毅深度学习课程作业数据集。 2、训练集内含课程所需数据集 3、提供下载便利
【ML】 李宏毅机器学习课件及代码.zip
04-02
机器学习（Machine Learning, ML）是一种应用人工智能（AI）领域的科学技术，它使得计算机系统能够从数据中自动学习和改进，而无需显式编程。在机器学习的过程中，算法会通过识别和挖掘数据中的模式来构建一个模型，...
李宏毅2021机器学习深度学习笔记PPT作业
09-05
《李宏毅2021机器学习深度学习笔记PPT作业》是一份涵盖了现代人工智能领域核心知识的资源，主要集中在机器学习和深度学习这两个关键分支上。这份资料可能包括了李宏毅教授在2021年课程中的讲义、课后作业以及相关的...
李宏毅机器学习HW5.zip
04-08
进入21世纪，深度学习成为机器学习领域的重要突破，采用多层神经网络模型，通过大量数据和强大的计算能力来训练模型，在计算机视觉、自然语言处理和语音识别等领域取得了显著的成果。 机器学习算法在各个领域都有...
(BO)Bayes-CNN多变量时序预测 基于贝叶斯算法-卷积神经网络多变量时序预测（多输入单输出）Matlab代码
最新发布
small_ccb的博客
08-08 293
Bayes-CNN多变量时序预测 基于贝叶斯算法-卷积神经网络多变量时序预测（多输入单输出）Matlab代码。2️⃣、评价指标包括:R2、MAE、MSE、RMSE等，图很多，符合您的需要。4️⃣、赠送测试数据集，可以直接运行源程序。替换你的数据即可用 适合新手小白。1️⃣、运行环境要求MATLAB版本为2018b及其以上。数据格式为excel！3️⃣、代码中文注释清晰，质量极高。需要其他的都可以定制！
深度学习 —— 个人学习笔记14（ResNet、DenseNet）
Springer的博客
08-06 379
本文章为个人学习使用，版面观感若有不适请谅解，文中知识仅代表个人观点，若出现错误，欢迎各位批评指正。文中部分知识参考：B 站 —— 跟李沐学AI；
【深度学习】【语音】TTS，Matcha-TTS，测试效果，训练中文，chinese
q742971636的博客
08-08 152
即使使用较小的数据集（特别是如果这是一个录音棚录制的朗读语料库），也可以有效。然而，在这种情况下，微调通常会比从头开始训练效果更好，因此，你可以先在更大的数据集上进行训练，然后对你的特定数据集进行微调。一般来说，我更倾向于将所有音频文件重新采样到 22050 采样率，而不是更改音频参数，因为这样可以解决寻找不同声码器的问题。（同样，我没有在大多数其他数据集上进行训练的经验，但你可以在这里更改音素化语言。中添加的步骤为你的数据集生成均值和标准差（以便更好的标准化）。的默认值，并覆盖你特定数据集所需的部分。
基于深度学习的Dst 预报模型
u014546828的博客
08-07 915
The Astrophysical Journal Supplement Series, 248:14 (11pp), 2020 MayPrediction of the Dst Index with Bagging Ensemble-learning Algorithm (iop.org)AbstractThe Dst index is a commonly geomagnetic index used to measure the strength of geomagnetic activity. Th
[区间概率预测]CNN-BiLSTM-Attention-ABKDE多变量时序预测 基于改进自适应核密度估计实现区间预测
small_ccb的博客
08-08 282
【原创区间概率预测】CNN-BiLSTM-Attention-ABKDE多变量时序预测 基于卷积神经网络-双向长短期记忆神经网络-注意力机制结合自适应带宽核函数密度估计的多变量时序预测【点预测+概率预测+核密度估计】1️⃣、结果包含R2、MAE、RMSE、MAPE、区间覆盖率picp、区间平均宽度百分比pinaw等，置信区间可根据需要调整。CNN-BiLSTM-Attention-ABKDE多变量时序预测 基于改进自适应核密度估计实现区间预测。数据格式为Excel!3️⃣、代码中文注释清晰，质量极高。
李宏毅机器学习课程笔记：从深度学习到卷积神经网络
"李宏毅的机器学习课程笔记涵盖了从基础的回归分析、梯度上升算法，到分类问题、反向传播、卷积神经网络（CNN）、半监督学习、无监督学习以及线性模型等多个核心主题。这些内容构成了深度学习和机器学习的基础理论与...
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