机器学习李宏毅学习笔记29

最新推荐文章于 2024-08-18 19:43:49 发布
最新推荐文章于 2024-08-18 19:43:49 发布
阅读量81 收藏
点赞数
文章标签： 学习 笔记
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_46722934/article/details/131295187
版权

文章目录

前言

概述增强式学习（四）Reward shaping

Reward shaping

在actor和环境互动时，很怕遇到reward在绝大部分情况下都是0，极少情况会获得一个很大的reward，这就导致我们不知道action究竟是好还是坏。比如教机器拧螺丝，只要没有拧好都是0，这个时候犹豫初始参数是随机的，这就导致了在绝大部分情况下reward都是0。遇到这种状况，想办法提供额外的reward，引导agents学习，这种方法就是reward shaping。Reward shaping是需要专业知识的，比如细分动作，甚至是给一些“正向”的行为负reward，应为在刚开始的时候，可能会为了这些正向行为，学到的和需要的功能是截然相反的。比如击杀游戏中，活着如果获得正向reward，那么可能学到的就是在边缘躲着。

总结

视频学习地址：https://www.bilibili.com/video/BV13Z4y1P7D7?p=31&vd_source=3a369b537e1d34ff9ba8f8ab23afedec

log^3me
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
李宏毅机器学习学习笔记
08-05
李宏毅机器学习学习笔记 本资源主要介绍了 Adaptive Learning Rate 的基本思想和方法，以及相关的算法和策略，如 Adgrad、RMSProp、Adam、Learning Rate Decay、Warm Up 等。 Adaptive Learning Rate 的主要思想是...
[課程筆記] 機器學習2021(李弘毅) L29.概述增強式學習(一)
JYLin_master的博客
03-01 3661
目录 A. What is RL ? 1. Machine learning ~ Looking for a Function 2. Example: Playing Video Game 3. Example: Learning to playGo 4. Machine Learning is so Simple Step 1. Function with unknown Step 2. Define loss Step 3. Optimization B. Policy Gradie.
机器学习李宏毅学习笔记1
weixin_46722934的博客
05-04 325
学习李宏毅老师机器学习
李宏毅 || 机器学习笔记一
JiduoW的博客
07-25 4414
李宏毅机器学习2021/2022年学习笔记
李宏毅机器学习笔记：机器学习介绍
qq_43711697的博客
08-01 683
前言 本文记录了关于机器学习的基本介绍，机器学习的一个基本的框架以及机器学习的相关技术，并且本文是基于台湾李宏毅机器学习课程的基础上所做的笔记。 一、机器学习介绍 机器学习是什么 机器学习的本质其实就是在寻找一个Function，这个Function可以满足我们的期望：输入一个特定的值，输出我们所需要的，比如在自然语言方面输入一段语音期望能够识别出语音的内容，在图像识别方面，输入图像期望输出图像内容的类别等等 机器学习的总体过程 机器学习的总体过程可以分为三个部分：第一找到特定的Functi
2023春季李宏毅机器学习笔记 02 ：机器学习基本概念
女王の专属领地
01-02 732
课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.php Github：https://github.com/Fafa-DL/Lhy_Machine_Learning B站课程：https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800
李宏毅机器学习笔记-transformer
夏之微风的博客
09-23 503
transformer是什么呢？是一个seq2seq的model。具体应用如上图所示，输入和输出的序列长度不固定，由model自己决定。语音翻译指的是，直接输入一段语音信号，例如英文，输出的直接是翻译之后的中文。seq2seq如今已经是一个应用非常广泛的模型，可以应用于NLP的各种任务，如语义分析，语义分类，聊天机器人等。另外还有个值得说明的功能是做。。和是完全不一样的，一个是多分类，另一个是一个样本可以有多个标签。但是多标签的问题，可以用seq2seq模型来解决。
李宏毅机器学习笔记：RNN循环神经网络
夏之微风的博客
09-03 1381
第3个输入为[2,2]，结合前一个memory的输入为[6,6]，这个时候hidden layer的输出为[16,16]，output为[32,32]。这个时候结合前一个memory的输出[2,2]，hdden layer的输出为[6,6]，output为[12,12]。举例来说，我们输入的第一个向量为[1,1]，则hidden layer的输出为[2,2]，先被储存起来，输出为[4,4]。这样，将词汇向量化之后，我们指导，网络的输入为一个个的词汇向量，网络的输出则为：y1表示词汇属于。
【机器学习李宏毅课程笔记】01.Regression
weixin_63614711的博客
05-14 310
本文介绍机器学习的一种方法Regression
李宏毅机器学习全套资料
08-31
《李宏毅机器学习全套资料》是一份全面深入的机器学习教育资源，主要涵盖了教学演示文稿、作业解决方案以及详尽的课程内容。这份资源对于想要深入理解和掌握机器学习这一领域的学习者来说，无疑是一份宝贵的参考资料...
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...
hive学习（三）
最新发布
2301_79721847的博客
08-18 154
注：需要注意的是，这里就算直接把txt文件的数据存放到hdfs上表对应的存储目录，那么在select * FROM时也能查出后来添加的数据，因为建表定义存放位置时，实际是指向具体的文件，将文件映射成表结构展示出来。概念：将表的数据分目录存储，存储在不同的文件夹下，然后按照不同的目录查询数据，不需要进行全量扫描，提升查询效率。2）location可以指定（存放在数据存放的具体目录），也可以不指定。注：1）分区字段不能是表中已经存在的字段。2）分区字段可以不止一个，可以设置多个。5.内部表和外部表的区别。
VTK-vtkStructuredGrid学习
weixin_69505365的博客
08-14 393
可以理解为单元格顺序沿着坐标轴排列，但是每个单元格可以不一样。维度理解为X/Y/Z方向的点数，如草图所示分别是4，3，1。此时只提供了12个点，只能构造一层，5.点图、线图、面图如下，对应行的代码改一下出现不同效果图。7.增加Z方向维度，点也要增加，点序保持一致。6.点可以不在同一个平面，随机改变点Z数值。2.获取这些点信息，点顺序要严格按照图示。直接赋值第一层的12个点，改一下Z值。所以Z方向维度是1，不能是其他数据。1.使用CAD随意绘制个网格草图。4.将上面的网格显示出来。
【OCR 学习笔记】二值化——全局阈值方法
TeamLee的博客
08-14 858
该文介绍了图像二值化操作中的全局阈值方法，包括固定阈值方法和Otsu算法（最大类间方差法）。
EmguCV学习笔记 C# 第4章 图像处理
UruseiBest 的技术专栏
08-18 150
版权声明：本文为博主原创文章，转载请在显著位置标明本文出处以及作者网名，未经作者允许不得用于商业目的。教程配套文件及相关说明获得pdf教程和代码。
EmguCV学习笔记 VB.Net 2.S 特别示例
UruseiBest 的技术专栏
08-17 872
将文字图像生成0和255的二值化图像，使文字部分为黑色（根据实际情况需要考虑反色），然后将文字图像和纹理图像直接相加，文字图像黑色（值为0）的部分相加后为纹理图像的颜色，文字图像白色（值为255）的部分相加后保持白色（255）。8、将加密图像1（mEncPart）和黑色图像2（mnoEncPart）进行直接相加，去除黑色部分，生成背景不加密+区域加密的最终图像（mResult）。4、加密图像（mEnc）和随机值图像（mKey）进行Xor操作，将加密图像解密，生成解密图像（mDec）。
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