我试图编程一个强化学习算法使用策略梯度，灵感来自。卡帕的例子只有上下两个动作，所以一个输出神经元就足够了(高activation=UP，低activation=DOWN)。如果我在监督学习环境中使用具有softmax激活的交叉熵损失函数，神经元的梯度就是：其中target[i] = 1用于所需的操作，0用于所有其他操作。为了用于强化学习，我会把g[i]乘以折扣奖励，然后再进行反向传播。
然而，强化<em
浏览 6提问于2017-05-10得票数 3
回答已采纳
1回答
有谁能建议我如何在DDQN算法中求出最优的图层数、神经元数、深度学习模型参数。当输入和输出神经元分别为4和2时，在选择隐层数和隐层数时，是否有科学原因或数学依据。我按照这个链接建立了强化学习算法https://pylessons.com/CartPole-reinforcement-learning/。
浏览 0提问于2021-06-21得票数 1
1回答
想象一个像情感分析这样的二元分类问题。既然我们有标签，我们就不能利用实际预测之间的差距作为对RL的奖励吗？
我想尝试对分类问题进行强化学习
浏览 1提问于2017-06-20得票数 8
1回答
我正在使用强化学习教一个人工智能，一个奥地利纸牌游戏，与不完美的信息，称为施纳普森。对于不同的游戏状态，我有不同的神经网络(使用不同的特征)来计算值/策略。
浏览 0提问于2021-10-11得票数 1
1回答
如果我想用DQN训练我的强化学习代理，我如何选择神经元的数量？
在监督学习中，选择太少或过多会导致电位过低(缺少神经元)，或者由于过度拟合(例如，神经元过多)而导致泛化差。因此，选择神经元甚至是RL的一件事，还是我们可以给它尽可能多的神经元和层，让它学习生物肢体的正确运动？
浏览 0提问于2018-06-10得票数 4
回答已采纳
1回答
逆强化学习是利用专家轨迹学习奖励函数。目前最成功的方法是最大熵逆强化学习。但在这一点上，你需要一个基于模型的强化学习。但世界上大多数实际问题都是无模型的，很难计算出状态转移概率。那么，我们如何在现实问题中使用这种逆强化学习呢？
浏览 0提问于2018-04-02得票数 3
回答已采纳
1回答
深入的Q-学习，A3C，政策进化的遗传算法，他们都没有学习小行星，或至少表现比人类差得多。根据RL的说法，从最艰难的Atari游戏来看，大部分的焦点都集中在蒙特祖马的复仇上，这显然受到了很少的奖励。以下是一些报告小行星上的坏结果的论文(有些文章互相引用)：深度强化学习的大规模并行学习方法基于深度强化学习的网络结构决斗
优先
浏览 0提问于2018-02-16得票数 3
回答已采纳
2回答
我的课程之一是“机器学习入门”，我一直想在这门课上做一个个人项目。为了训练一个简单的人工智能程序来玩游戏，我需要获得什么知识？这是我目前在机器学习中所知道的-统计推断可能是近似正确的模型，包括泛化界和模型选择。支持向量机(SVM)促进弱学习者向强学习者学习: AdaBoost回归决策树
决策树修剪与随机林
浏览 0提问于2017-01-04得票数 9
回答已采纳
1回答
我想使用强化学习来学习与用户反馈的评级，但不确定如何做到这一点。有人能为这个问题提出一个相关的技术或算法吗？
浏览 0提问于2015-06-12得票数 0
7回答
DQN（Deep Q-Learning）可谓是深度强化学习（Deep Reinforcement Learning，DRL）的开山之作，是将深度学习与强化学习结合起来从而实现从感知（Perception）到动作（ Action ）的端对端（End-to-end）学习的一种全新的算法 ，该如何实现深度强化学习（DQN）呢?
浏览 3402提问于2018-10-10
1回答
我正在学习强化学习，我发现了令人困惑的信息。我知道有两种不同类型的强化学习，基于模型和模型自由。在第二个图像中，可以看到TD学习，所以我不明白Td学习是另一种强化学习还是基于模型的。
📷
浏览 0提问于2022-02-21得票数 0
回答已采纳
2回答
作为深度强化学习的初学者，我很困惑为什么我们应该在强化学习中使用马尔可夫过程，以及它给强化学习带来了什么好处。另外，马尔可夫过程要求在“已知”条件下，“现在”与“未来”无关。为什么一些深度强化学习算法可以使用RNN和LSTM？这是否违反了马尔可夫过程的假设？
浏览 4提问于2020-12-23得票数 0
3回答
我理解为什么机器学习是这样命名的，除此之外，还有监督学习和无监督学习背后的术语。那么，关于强化学习，reinforced是什么？
浏览 63提问于2018-05-28得票数 4
回答已采纳
1回答
为了进一步了解这些知识，我想探讨一下代理如何从原始像素中学习，并尝试使用H2O实现一个示例。我想使用Java。
但是，我仍然需要弄清楚如何使用Java从游戏中流出图像像素，以帮助h2o RL代理学习。示例主要使用R和Python。
浏览 7提问于2017-05-08得票数 0
回答已采纳
1回答
我唯一能找到的解释是在论文博士中：“后悔界限是在线学习算法分析的共同线索。后悔界限衡量在线算法相对于竞争预测机制的性能，称为竞争假设。”
浏览 0提问于2019-10-23得票数 2
我见过一个描述“强化学习树”的研究论文，作者说它比随机森林有更好的收敛性。
然而，我找不到任何与利用随机森林作为强化学习的表格有关的东西。是否曾进行过使用随机森林强化学习的测试？
浏览 0提问于2017-08-14得票数 4
回答已采纳
**TLDR的底部我已经搜索了几天，而我只是不知道什么谷歌，因为我是非常新的机器学习。经过研究，我认为tensorflow是一个很好的起点(我愿意接受其他建议)。当我寻找tensorflow的例子时，它们都需要一个大型的数据存储库才能输入程序，但我更感兴趣的是创建一个在玩游戏时学习的AI，比如Tic Tac Toe。我很难搞清楚该怎么做。TLDR:有什么好的、简单的机器学习程序(最好是tensorflow)可以帮助我制作一个Tic-Tac-Toe AI。
浏览 1提问于2019-03-19得票数 0
回答已采纳
1回答
我正在尝试使用强化学习来控制一个实际的机器人操纵器。对于强化学习，我使用的是Google tensorflow。C++中有没有使用Tensorflow强化学习算法的方法？或者，有没有其他方法可以在C++实时控制器上实现强化学习算法？由衷地，
史蒂夫
浏览 0提问于2019-04-01得票数 0
1回答
在tensorflow + keras中工作，我试图定义一个自定义的丢失函数。注:我更感兴趣的是损失的价值，而不是预测的实际价值(这将用于异常检测)。在t时，我收到一个输入，这是当前的观察(y_t)，我有过去的x时间步骤的历史。我希望将y_t值与y_t的预测值在t-1，.t-n中的每个值进行比较。我遇到的困难是如何在批间保留这些预测数
浏览 0提问于2019-05-29得票数 3
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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
