1回答
为什么要限制连续的动作？
、、、
在深度强化学习中，使用连续的动作空间，为什么在智能体执行之前夹住动作似乎是一种常见的做法？OpenAI健身房山地车信息丢失不是这样做的吗？例如，如果模型输出速度为+10 (移动)，然后将其钳制为+1，则动作本身的行为相当离散(仅与其执行有关)。对于细粒度的移动，将输出乘以0.1不是更有意义吗？
浏览 20提问于2018-01-01得票数 1
它不一定是无法破解的，只是足以劝阻黑客的随意尝试。限制连续会话的数量。
对于如何简单地编码它，我有自己的想法。但为什么要重新发明方向盘？编辑:为了限制连续会话的数量，我在考虑数据库中的一个简单计数器(不知何故混淆)，它在登录时增加，在注销时减少。棘手的部分是当有人关闭浏览器(和他们的会话)，而不退出。
浏览 3提问于2010-11-01得票数 1
回答已采纳
1回答
是否有一种方法来模拟连续动作空间的动作掩蔽？我想用强化学习来模拟经济问题。这些问题往往具有连续的作用空间和状态空间。此外，状态通常会影响哪些操作是可能的，因此，允许的操作会随着步骤的不同而变化。简单的例子：
代理人拥有财富(连续状态)，并决定支出(持续行动)。接下来的时期是财富减去支出。但他受到预算限制。他不能花的比他的财富还多
浏览 5提问于2022-03-11得票数 0
回答已采纳
1回答
这是问题陈述，我找到了两种不同的解决方案，post问题陈述和解决方案，我的问题是，是否有必要检查连续4次运行是否会产生圆圈？为什么要检查连续4次，而不是其他数字--比如连续3次？谢谢。问题陈述
给定机器人的移动顺序，检查该序列是否是圆形的。如果机器人的第一个位置和最后一个位置相同，则一个移动序列是圆形的。下面的动作可以是移动的。
浏览 3提问于2016-01-07得票数 1
回答已采纳
深度确定性策略梯度()是动作空间连续时强化学习的最新方法。它的核心算法是。
然而，在阅读了论文和听了the talk ()之后，我仍然无法弄清楚确定性PG相对于随机PG的根本优势是什么。谈话说它更适合高维动作，更容易训练，但为什么会这样呢？
浏览 64提问于2017-03-13得票数 12
1回答
我有球员，如桥牌上的图片所示，我希望他的动作被限制在桥上。(目前他可以在空中跑到桥外).How我应该做到这一点吗？我想过的方法是使用桥牌和玩家之间的连续碰撞检测，检查他是否停留在area.is内，这是正确的方法吗?还有其他的替代方法吗？
浏览 4提问于2013-10-13得票数 0
回答已采纳
1回答
我正在实现连续强化学习(用深度强化学习的连续控制)，但在优化策略-神经网络时遇到了一些问题。按照本文的建议，通过计算和跟踪梯度(梯度上升)，使策略的q值最大化:最大Q(状态，action=policy(状态))。然而，由于Q-神经网络(最初)不是Q(状态，动作)的完全逼近，当政策的作用变得很大/无限时，我遇到了问题。当行动->无限时，Q->无穷大，这意味着策略的权重被优化到非常大或无限大的值。M
浏览 1提问于2017-04-29得票数 2
1回答
我是Android用户界面测试的新手。例如，我的应用程序正在使用大量的碎片:单击一个按钮将用另一个按钮替换当前的片段。但是- espresso按下按钮，然后进行回滚，因此按钮被按下->，新片段正在替换当前的->，然后回滚到前一个片段。如何在不回滚的情况下执行一系列单击，以便单击下一个片段上出现的新按钮。对不起，如果这个问题很愚蠢，我需要了解浓缩咖啡是如何工作的。谢谢各位。
浏览 4提问于2015-08-08得票数 1
回答已采纳
1回答
动作输出是连续的。例如，该过程的温度将为25至100摄氏度，或者电机转速将为0至3.0 rpm。我工作的目的是通过将最好的动作输出应用于该过程来提高该过程的产品质量。我认为Actor-Critic和DDPG算法将是解决我的问题的一个很好的方法。
当我实现Actor部分时，我发现大多数在线示例都将Actor的输出限制在(-1，1)的范围内。tf.n
浏览 0提问于2018-05-29得票数 1
1回答
Vim中的dot命令重复了“最后的更改”，但我不确定是什么构成了“最后的更改”。例如，如果我键入序列：然后，在当前行中追加一个分号，但我必须再次键入"j“。换句话说，点宏只执行"A;{ ESC }"，因此显然ESC定义了“最后一次更改”的结尾。为什么不包括"j“呢？
浏览 0提问于2014-07-07得票数 1
回答已采纳
看起来，与更新其他选项相比，更改竞选预算的比率限制要低得多：
即使是快速连续三次改变预算，似乎也行不通。这一预算特定的费率限制在任何地方都会公布吗？
浏览 2提问于2013-03-27得票数 0
为什么我的动作故事板只推，模和自定义(Picture1)。Picture1：如何显示节目，显示细节上的动作？
为什么我没有动作
浏览 2提问于2016-03-12得票数 1
回答已采纳
给出一个有序的点列表，我想画一条光滑的曲线，通过所有这些点。曲线的每个部分可以是水平的、垂直的，也可以是具有给定半径r的弧线(所有的弧都有相同的半径)。过渡应是平稳的，即一个部分末尾的标题应与下一部分开头的标题相同。在任意两个连续输入点之间可以有任意数量的弧线或直线段。
这有点像一条火车轨道，它应该是正交的，或者沿着固定曲率的部分运行。有一个很好
浏览 0提问于2012-07-06得票数 2
2回答
一个特定的时间，我触发另一个动画要播放，为同一个角色。如果我立即播放第二个动画，因为它被触发，角色动画将不会连续和顺利。我正在考虑打破闲置动画的小块，也有相同
浏览 0提问于2013-10-07得票数 0
1回答
在插值或外推(使用带或不带epolate的ipolate )缺失值时，是否可以预先限制要插值(或外推)的缺失间隙大小，或者事后计算间隙大小？实际上，我想要的是将最大连续插值(我的数据是每年)限制为三年。
浏览 28提问于2018-05-28得票数 0
回答已采纳
2015年12月28日，下午01:38:58，OpenShift操作小组将您的应用程序标记为过度使用网络资源。我们要感谢你采纳我们的纲领。不幸的是，我们的免费层并不适合您的应用程序演示的那种大量使用。不允许连续耗尽特定资源(例如CPU、网络、内存)的分布式处理或其他活动。允许应用程序在短时间内使用可用资源，但不能连续使用。
正因为如此，
浏览 2提问于2015-12-29得票数 0
7回答
快速旋转UIImage
、、、
但是，我当前的代码并不能准确地执行函数，有些时候它旋转，有些时候它的跳过旋转。我要我的UIImage将连续旋转顺时针在我的动作按钮。
浏览 15提问于2016-04-15得票数 14
回答已采纳
输入的是过去30天的价格清单。它不使用RNN，价格是同时输入的。输出是一个连续的动作，其中一个正数是买入，一个负数是卖出股票的数量。我如何限制行动空间，使它被夹在它有多少股(下限)和多少钱(上界)之间？
我应该把它剪掉还是惩罚非法行为？哪一种选择会产生最好的结果？
浏览 0提问于2018-06-11得票数 2
回答已采纳
1回答
我正在实现软Actor-Critic算法，但我不能理解stocastic策略是如何工作的。我已经在网上搜索过了，但我没有找到任何有趣的网站来很好地解释下面的实现。我唯一理解的是，在stocastic策略的情况下，我们将其建模为高斯模型，并将平均值和log std参数化(我认为std是标准差)，但例如:为什么我们需要log std，而不仅仅是std？
浏览 46提问于2019-02-07得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
