![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
强化学习
文章平均质量分 66
强化学习
笑傲江湖2023
这个作者很懒,什么都没留下…
展开
-
强化学习实践
参考文献1.原创 2023-09-12 17:24:49 · 50 阅读 · 0 评论 -
强化学习(EfficientZero)(应用于图像和声音)
在文中,基于传统强化学习在数据训练方面的局限性,引入了EfficientZero,并和常用的强化学习算法在Atari游戏中性能的对比,证明EfficientZero的效果,之后简单介绍了EfficientZero算法所集合的基础算法,MCTS(蒙特卡洛树搜索),MUZERO,最后介绍了MUZERO的不足,并说明EfficientZero想对应的解决方案,以及一些展望。应用领域局限性:强化学习主要被应用于游戏中,像推荐系统,自动驾驶,交易系统和现实交互较多的没有被应用。局限性原因。原创 2023-07-30 12:29:14 · 609 阅读 · 0 评论 -
强化学习(PPO,DQN,A3C)
在强化学习中目标函数为奖励最大值的期望,θ为需要更新的权重,为什么不直接用最大值,而用最大值的期望呢,简单理解,这样做泛化效果更好,进一步可以理解为,同样的权重但是无法保证同样的action,更无法保证同样的奖励(这就类似于,一个人让他重走一遍人生,即便所有的权重(人生大小事的选择相同)他的结果可能不一样)。,所以认为前一个和自己最像,再用前一个的θ得到的数据,训练当前θ,就是说用θ1的训练数据训练θ2,θ2保存在θ中,再用θ2的训练数据训练θ3,再将θ3替代原θ2保存在θ中,一直跌倒到最后。原创 2023-07-30 19:35:21 · 894 阅读 · 0 评论 -
模仿学习(行为克隆,逆强化学习,生成式对抗模仿学习)
GAN的全称是Generative adversarial network,中文翻译过来就是生成对抗网络。生成网络(Generator)负责生成模拟数据;判别网络Discriminator)负责判断输入的数据是真实的还是生成的。生成网络要不断优化自己生成的数据让判别网络判断不出来,判别网络也要优化自己让自己判断得更准确。二者关系形成对抗,因此叫对抗网络。原创 2023-08-10 11:42:02 · 2007 阅读 · 0 评论 -
PPO个人理解
3.存储的数据够了之后,反向传播更新参数。更新的时候有个目标函数,根据这个目标 函数更新,PPO核心和改变就在这个目标函数上,后续要加强理解。1. 初始化actor和critic两个网络模型,前者是得到不同动作的概率,后者是评价确定的的 动作的价值。2.与环境交互,保存交互数据,状态,动作,奖励。原创 2023-07-17 20:56:20 · 64 阅读 · 0 评论