强化学习中的最优性是什么？
强化学习中的最优性是指在一个给定的环境中，通过智能体与环境的交互，智能体通过学习和探索，找到一种最优的策略来最大化累积奖励或最小化累积成本。最优性可以通过价值函数来衡量，价值函数可以表示为状态值函数或动作值函数。
在强化学习中，最优性可以分为两种类型：最优价值和最优策略。
- 最优价值：最优价值是指在给定的环境中，智能体通过学习得到的最大累积奖励或最小累积成本。最优价值可以通过价值函数来表示，其中状态值函数（V函数）表示在给定状态下的最优价值，动作值函数（Q函数）表示在给定状态和动作下的最优价值。
- 最优策略：最优策略是指在给定的环境中，智能体通过学习得到的最优行动选择策略。最优策略可以通过策略函数来表示，策略函数可以是确定性策略或概率性策略。确定性策略表示在给定状态下的最优动作选择，概率性策略表示在给定状态下选择每个动作的概率。
强化学习中的最优性是指通过学习和探索找到最优的策略或价值函数，以最大化累积奖励或最小化累积成本。最优性在许多领域都有广泛的应用，例如智能游戏、机器人控制、自动驾驶等。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云强化学习平台：https://cloud.tencent.com/product/rl
- 腾讯云人工智能平台：https://cloud.tencent.com/product/ai
相关·内容
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
2回答
强化学习与运筹学
、、、
我想知道什么时候人们会决定求助于强化学习来解决以前通过数学优化方法解决的问题-比如旅行推销员问题或作业调度或出租车共享问题。
由于强化学习的目标是最小化/最大化某个成本/回报函数，就像运筹学试图优化某个成本函数的结果一样，我假设双方中的一方可以解决的问题可能会被另一方解决。然而，事实是否如此呢？两者之间是否存在权衡？关于上面提到的问题，我真的没有看到太多关于RL的研究，但我可能错了。
如果任何人有任何见解，他们将非常感谢！
浏览 0提问于2018-08-10得票数 7
2回答
维基百科：
主动学习是机器学习的一种特例，在这种情况下，学习算法可以交互地查询用户(或其他一些信息源)，用期望的输出标记新的数据点。强化学习( Reinforcement，RL)是机器学习的一个领域，它关注的是软件agents应该如何在环境中采取行动，以最大化累积报酬的概念。
如何区分他们？确切的区别是什么？
浏览 0提问于2020-11-13得票数 14
回答已采纳
3回答
Tensorforce、Kerasrl和chainerrl用于强化学习的区别是什么？据我所知，这三种方法都与OpenAI健身房环境有关，并且具有相同的强化学习算法。在表现上有什么不同吗？
浏览 1提问于2018-09-10得票数 1
2回答
我想用强化学习机器学习的方法来研究和开发一些应用。我已经熟悉使用监督学习的分类问题。
有人能给我推荐一些资料(链接，youtube教程，pdf笔记，.)吗？还是Rstudio中的一些简单脚本(可能使用虹膜数据集)开始学习？
谢谢!
浏览 0提问于2021-11-15得票数 0
回答已采纳
批次大小是指在监督学习中接受神经工作训练的样本数，但是，在强化学习的背景下，批次大小的意义是什么？它也是指样品吗？如果是的话，在强化学习的背景下，样本的意义是什么？
浏览 0提问于2019-04-02得票数 3
回答已采纳
2回答
对于四连胜的游戏，强化学习的最佳算法是什么？我想构建一个四连排的游戏，它将使用RL算法之一来玩: Q-Learning，MinMax等。
考虑到我使用的是Java，什么是最好的。
浏览 1提问于2012-01-08得票数 0
回答已采纳
1回答
在使用OpenCV for 之后，我尝试实现自己版本的Adaboost算法(查看、和以获得一些参考)。
通过阅读所有的材料，我提出了一些关于算法实现的问题。
1)我不清楚如何分配每个弱学习者的a_t权重。
在所有的来源中，我指出的选择是a_t = k * ln( (1-e_t) / e_t )，k是一个正常数，e_t是弱学习者的错误率。
在这个的第7页，它说这个值最小化了一个凸可微函数，但是我真的不明白这段话。
有人能给我解释一下吗？
2)对训练样本的权值更新程序有一定的疑问。
显然，应该这样做，以保证它们仍然是概率分布。所有参考文献都采用了这一选择：
D_{t+1}(i) =
浏览 2提问于2013-05-02得票数 9
2回答
我是B.Sc毕业生。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。
我最近听说了不同的人工智能训练来玩游戏，如马里奥，围棋等。
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？对于初学者来说，你推荐什么游戏？
这是我目前在机器学习中所知道的-
课程介绍和机器学习。K-最近邻算法和K-均值算法
统计推断
高斯混合模型(GMM)与期望最大化
可能是近似正确的模型，包括泛化界和模型选择。
基本的超平面算法:感知器和Winnow。
支持向量机(SVM)
核粒
促进弱学习者向强学习者学习: AdaBoost
边缘-感知器
回归
PCA
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
我对机器和深度学习非常陌生。我的疑问是，如何将强化学习添加到使用传统神经网络开发的图像分类器中，以随着时间的推移提高其性能？
浏览 23提问于2020-05-10得票数 0
1回答
萨顿的书把我介绍给了RL。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。
我应该用的是汽水吗？
如何将原始像素流到h2o？例如，如何使用乒乓球游戏使h2o RL代理学习？使用了什么深度学习h2o API？
如果答案与h2o有关，我将不胜感激，因为我参考了其他文献来了解RL。
更新：
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
在深入学习中，我们可以用损失函数值来评估模型的性能，并通过K倍交叉验证等方法来提高模型的性能。但是，如何设计和优化神经网络在深度强化学习中的应用呢？我们可以用奖励等来评估强化学习算法本身的性能，但是如何保证神经网络在强化学习算法中的应用是好的还是坏的呢？
浏览 0提问于2019-02-08得票数 3
1回答
大多数材料(例如大卫·西尔弗的在线课程)我都能找到关于监督学习和强化学习之间关系的讨论。然而，它实际上是监督学习和在线强化学习的比较，在这种情况下，agent在环境中运行(或模拟交互)，以获得对底层动力学的有限知识的反馈。
我对离线(批量)强化学习更感兴趣，在这里，数据集(收集的学习经验)是先验的。与监督学习相比，有什么不同？他们可能有哪些相似之处？
浏览 4提问于2021-08-14得票数 0
回答已采纳
1回答
C++强化学习库
、、
我一直在寻找一个实现强化学习算法的C++库，但对结果不是很满意。
我从TU Graz找到了，但不幸的是这个项目太旧了，我无法编译它。
还有来自的代码。它看起来很有希望，但似乎没有得到积极的维护。
在C++中，您使用哪些库进行强化学习？
浏览 2提问于2012-01-06得票数 15
2回答
是否可以在有监督的模型上使用“强化学习”或反馈回路？
我使用监督学习模型(更确切地说是线性回归模型)解决了一个机器学习问题，但我希望通过对预测输出创建一个反馈环来改进结果，即如果算法在某些例子上出错，就告诉算法。
据我所知，这基本上就是强化学习的工作原理:该模型从正负反馈中学习。
我发现我们可以使用PyBrain实现有监督学习和强化学习算法，但我无法找到两者之间的关联方法。
浏览 2提问于2019-07-11得票数 0
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。我想尝试使用RNN，因为过去的操作对于导航未来的决策可能很重要。
然而，当我使用多个神经网络时，我需要不断地将隐藏状态从一个RNN转移到另一个RNN。我不能完全做到这一点，特别是在训练期间，我不知道如何通过时间进行反向传播。我很感谢您的任何建议或链接到相关的论文/博客！
我目前正在使用Julia中的Flux，但我也愿意使用Python中的Tensorflow或Py火炬。
浏览 0提问于2021-10-11得票数 1
1回答
我正致力于自动生成餐厅评级，我有各种特征值，如送货时间、成本估算等。我想为每一家餐厅生成0到5之间的评级。但我没有任何培训数据或基本事实可供验证。此评等可能因用户而异。大部分相关工作，大多与Yelp数据挑战相关，都有一定的相关得分作为训练数据。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
1回答
我正在做一个边项目，就是建立一个倒立摆问题的模型，然后用一个强化学习算法来解决它，最显著的是Q-学习。我已经为网格世界设计了一个简单的MDP解决程序--简单的东西。
然而，经过数天的研究论文之后，我很难弄清楚如何做到这一点。什么也没有解释如何建立一个框架来表示问题。
在对问题进行建模时，可以使用标准的马尔可夫决策过程吗？或者它必须是一个POMDP？
在每个状态中表示什么(即传递给代理的是什么状态信息)？钟摆的坐标、速度、角度等？
特工能采取什么行动？它是一个在+或-x方向的连续的速度范围吗？
在这方面的建议是非常感谢的。
浏览 7提问于2013-01-22得票数 0
1回答
我搜索了这个术语，它出现在几篇文章中，但使用时没有解释。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。”
读完这篇文章后，我仍然感到困惑(我没有读过论文的其余部分，因为这远远超出了我对这一领域的理解)。谁能解释一下吗？事先非常感谢！
浏览 0提问于2019-10-23得票数 2
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。Morover，当政策开始输出接近无穷大的值时，这意味着q-值变得太大，而增强值变得不相关，因为"r + gamma*Q“被非常大的q-值所主导。
您推荐的解决方案是什么？我计划将策
浏览 1提问于2017-04-29得票数 2
2回答
我想知道是否可以使用强化学习(因为它将越来越流行的谷歌DeepMind &AlphaGo的东西)来解析和提取文本信息。
例如，它是否是结构化预测的竞争性方法，例如
命名实体识别(NER)，即“城市”标记纽约的任务和“组织”词性标记(POS)的“纽约时报”，即将单词归类为行列式、名词等信息提取，即在文本中查找和标记某些目标信息，例如12/03号日期被赋予上下文含义为12月3日，是否有标签“终止日期”是用来完成这些任务的相关模型？
我会天真地想到一个指针，它从头到尾阅读文本，并用标签标注每个字母。也许它会学到“单词”中的相邻字母都有相同的标签，等等，它能用这种方法来学习长期的依赖关系吗？
浏览 0提问于2016-03-12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。任何建议都有帮助，谢谢！
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
9回答
强化学习的良好实现？
、、、
对于一个人工智能项目，我需要实现一个强化学习算法，这比一个简单的俄罗斯方块游戏。游戏是用Java编写的，我们有源代码。我知道强化学习理论的基本知识，但我想知道在SO社区中是否有人对这类事情有经验。
在俄罗斯方块游戏中实施强化学习，你推荐的阅读材料是什么？
有什么好的开源项目可以完成类似的任务，值得一看吗？
编辑:越具体越好，但是关于这个主题的一般资源是受欢迎的。
后续行动：
我想如果我能贴个跟进的话就太好了。
以下是我为未来的学生提供的解决方案(代码和写作) :)。
/
浏览 3提问于2009-04-11得票数 25
回答已采纳
2回答
我想做一个神经网络，利用强化学习在python中进行训练。
X -> [ANN] -> yEstimate -> score! -> (repeat until weights are optimised)
目前我正在使用Scikit--学习，但似乎没有所有的神经网络东西都试图将yEstimate与yTarget相匹配。
科学知识有秘密吗?还是有其他我不知道的库来完成这个任务？
谢谢!
浏览 6提问于2015-12-24得票数 7
回答已采纳
有经验的程序员学习Flash的好资源是什么？
考虑一个非常有经验的程序员，他不需要任何编程概念的教学，并且已经编写了Javascript。一个从未创建过Flash文件，甚至不知道Flex是什么的人。有人可能会在一天内学会ActionScript，但仍然需要学习如何应用它。
浏览 0提问于2010-04-12得票数 2
4回答
我熟悉监督学习和非监督学习的概念，但最近加强了(强化？)学习也在我面前出现过几次。谁能给出一个提示，它是什么，与其他两个(或特别是与无监督类型)的主要区别，有一些很好的例子？这是一个有希望的选择，值得探索，还是只是一些吹嘘的利基好奇心？
浏览 0提问于2016-10-04得票数 6
1回答
并行Q-学习
、、、、
我正在寻找学术论文或其他可信的来源，侧重于平行强化学习的主题，特别是Q-学习。我最感兴趣的是在进程之间共享Q表的方法(如果每个进程都有自己的进程，则将它们连接/同步在一起)。我也希望对链接/提到的来源中使用的方法进行简要的描述。
我应该指出，我使用神经网络(PyBrain)作为近似。
浏览 0提问于2016-01-14得票数 4
1回答
当人们开始认为在不久的将来，自动驾驶汽车将取代一些道路上的车辆，这意味着机器人软件中的学习者可以达到一个很低的经验误差，从而保证乘客的安全。在我们看来，大量的驾驶数据和深入的强化学习算法在很大程度上促进了自动驾驶实践的成功。
当涉及到我们自己实践的许多情况时，我们还无法建立一个如此高精度的预测模型，从而给我们自己的业务带来巨大的差异。
我的问题是，当我看到机器学习技术能够在汽车驾驶上产生革命，因为它成功地实现了行为克隆任务，那么这一成功的首要原因是什么，大训练数据集，深强化学习技术，或者在自动驾驶问题中的任何特殊原因？
此外，我们在机器学习中解决的大多数实际问题中，这种成功能否被复制？换句话说
浏览 0提问于2018-01-04得票数 1
1回答
没有隐藏层的神经网络是否表现为回归？没有隐藏层的NN能说我们什么？
例如，如果我们有20个输入和4个输出，而我没有真正的标签，这是否类似于回归？
如果它是一个回归，那么它将是一个监督学习，但没有真正的标签！
这个澄清里面有什么不对？
更多的说明:此外，我有一个dqn (一个深入学习结构的Q-学习方法)！不幸的是，我没有最理想的答案！我正在寻找一种方法来比较我的结果，也许我可以用一个联合国/监督的学习方法来比较，而不是DNN！例如，您可以在没有隐藏层的情况下放置一个DNN，因为它的行为类似于线性回归，那么您可以将每个有监督的学习代替它！由于没有真正的标签，我有问题的培训部分和估计DNN部分与监督
浏览 0提问于2018-08-31得票数 6
tensorflow.Estimator似乎倾向于监督学习，但似乎很难采用其他任务，即使只需要对模型或训练进行很小的更改。例如，在强化学习中，我需要提供一个不属于features的奖励值。
浏览 0提问于2018-03-14得票数 5
5回答
如果在强化学习(RL)算法在现实世界中工作之前，需要在模拟环境中进行大量迭代，为什么我们不使用相同的模拟环境来生成标记数据，然后使用监督学习方法而不是RL？
浏览 3提问于2018-11-14得票数 1
2回答
我做了一个简单的Tron游戏在C++和一个MLP与一个隐藏层。我已经在这个神经网络中实现了Q-学习，然而，它并没有导致代理赢得更多的游戏时间(甚至在100万次游戏之后)。我将尝试用文字解释我做了什么，希望有人能发现一个错误，这可能导致这个问题。
在每个州有四个可能的移动(北，东，南，西)和奖励在游戏结束(-1的损失，0的平局，1的胜利)。
我初始化了4个MLP，每个可能的动作一个，有100个输入节点(整个游戏网格10x10)，其中每个点是1如果玩家本身在那里，0如果点是空的，-1如果对手访问过这个点。然后有50个隐藏节点和1个输出节点(我也尝试过一个有4个输出节点的网络，但这也没有帮助)。重量
浏览 2提问于2016-10-19得票数 2
1回答
我用GAMS编写了我的混合Ineteger模型(MIP)，并试图用CPLEX来解决它.我遇到了这个错误：
CPLEX错误3019:未能解决MIP子问题
我的个人电脑上有4核和16 GB内存。最优性差距设置为1%。
经过大量的搜索，我找到了一些建议(没有解决方案)，我尝试了所有这些，但没有运气。每次需要大约30分钟-60分钟，直到优化结束时出现错误。这些是我尝试过的组合：
我将迭代限制提高到100万。错误3019
一些放松"feasoptmode 3“。错误3019
优先考虑可行性而不是最优性，使用"mipemphasis 1“。错误3019
使用"
浏览 5提问于2016-05-28得票数 0
回答已采纳
我想做一个网站项目，使用机器学习，以优化汽车吞吐量在一个城市。这将是一个卡通网格的点试图导航通过一个网格的街道与红灯在每个十字路口。但是，我还没有找到正确的资源来学习这种类型的ML优化。
开始的想法是，每个时代都会给红绿灯的栅格设置相同的一组汽车，红绿灯猜出自己的绿/红频率，以最大限度地增加交通流量。因此，该模型将学习的衡量标准是通过灯光行驶的汽车数量(或者说所有的汽车都需要时间来清理城市，目前还不确定)。
我做过谷歌ML速成班和“人工智能程序员指南”一书，但我还没有找到我正在寻找的合适类型的ML。我正在寻找一个学习资源来训练一个没有标签数据的模型，并提供一个优化的度量。
浏览 8提问于2022-08-23得票数 -2
回答已采纳
在我看来，强化学习会从行动中得到回报。
然而，在玩电子游戏时，大多数步骤(如:街头拳击手)都没有奖励(奖励== 0 )，最终，我们得到了奖励(例如:玩家赢了，奖励=1)，有这么多动作，机器怎么知道哪一个是赢得这个游戏的关键？
浏览 0提问于2019-05-07得票数 2
回答已采纳
1回答
主动学习推荐系统
、、、
我有数据，公司要求用户打分一堆问题，但有些项目可能是随机选择，而另一些是个性化的。用户在个性化问题上的得分平均较高。我有一个用户ID，问题ID，相应的分数由用户提问，以及问题是随机的还是个性化的。
我想要建立一个推荐系统，其中包含了一个问题的特点是随机或个性化。
我假设，如果要出现个性化项目，就必须对公司事先了解到的关于用户的随机问题进行一些学习。
但是，在如何建立一个包含动态结构的推荐系统方面，我完全迷失了方向。
我知道基本的建议包括矩阵分解或嵌入用户项矩阵，但我不知道如何适应学习。
如有任何见解/参考相关文献/相关守则，我将不胜感激。
浏览 0提问于2020-05-06得票数 2
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
我想了解深层强化算法是如何工作的，以及在任何特定环境下训练自己需要多长时间。我想出了一个非常简单的环境例子：
有一个计数器，它保存0到100之间的整数。计算到100是它的目标。
有一个参数direction的值可以是+1或-1。它只是指明了移动的方向。
输出神经网络以这个方向作为输入，以两个可能的动作作为输出。
改变方向
不要改变方向
第一个动作只需翻转方向(+1 => -1或-1 =>+1)。第二步行动将保持原来的方向。
我使用python作为后端，javascript用于前端。它似乎花费了太多的时间，但它仍然是相当随机的。我使用了4层感知器。训练率为0.001。
浏览 0提问于2017-10-27得票数 2
回答已采纳
主要是，我有一个问题，我在任何地方都找不到答案，关于一个人工智能机器学习游戏。
我是否有可能创建一个AI，它可以学习一个我自己没有创建的游戏，没有任何源代码或API？我说的是一些简单的游戏，如chrome，snake等。有人告诉我，这是可以用图像处理的，但我还是不太确定。我指的是打开一个游戏，而不是一个下载的游戏，一个在google上可用的游戏，如上面提到的，运行我的代码，它将开始玩和学习这个游戏。只是创建一个算法来学习多个简单的2D谷歌游戏，这样的事情是否有可能与图像处理？
浏览 0提问于2019-09-20得票数 1
Google搜索推出了许多开源的深度学习框架。这是一个收集的列表
Google TensorFlow
Theano
mxnet
keras
Pylearn2
Blocks
Lasagne
chainer
scikit-neuralnetwork
theano-lights
deepy
idlf
reinforce.js
opendeep
mxnet.js
CGT
Torch
Caffe
scikit-cuda
cuda4py
用Hadoop流和MapReduce可以直接实现哪一个？
优先考虑Python，也可以考虑使用其他语言。
编辑：
目前我主要对深度强化学习和LSTM感兴趣。
浏览 0提问于2016-01-21得票数 2
回答已采纳
1回答
如果我要用遗传算法训练一个人工神经网络的权重，这是什么类型的学习呢？我相信它是无人监管的但它有名字吗？它似乎可能属于强化学习，但我不太确定。
浏览 4提问于2014-02-23得票数 1
回答已采纳
1回答
我尽量把我的问题总结得很好，但这对我来说并不容易，因为我不知道该问什么关键词。
我在机器学习方面很新，用Keras来解决问题，我知道答案。
作为一种输入，有大量不同物体的照片，如汽车、鸟类.(X-值)和标记它们是什么(y-值).然后，该程序可以识别新照片上的对象。平常的事。
我如何编写一个程序来发现解决问题的新方法？
玩家玩游戏，我记录他们的动作以及结果/得分。如何编写找到最优策略的程序？我试着把分数低的游戏分类，但我想还有更好的方法，比如
如果分数真的很好，那么如果分数略高于平均水平，那么就强烈地学习这一点，如果分数略低于平均水平，就不要学习这个，如果分数真的很差，就不要学习这个，然后强烈地
浏览 1提问于2022-06-09得票数 -1
1回答
最近我试着制作一个可以玩游戏集的CNN：https://en.wikipedia.org/wiki/Set_(游戏)。
然而，在使用我自己的卷积神经网络并尝试重新训练Inception-V3和AlexNet将三张卡片的图片分类为"set“和"notSet”之后，我很快了解到，CNN对于这项任务是没有用的。
哪种机器学习算法对玩这个游戏是有用的？支持向量机有效吗？
这里有指向我的最后一个问题的链接(有一些代码)和Github，其中包括数据集的示例图像。
凯拉斯·瓦尔_acc在培训时保持不变(分配给所有图像的相同标签)
https://github.com/Keyan-Rhm/ML
浏览 0提问于2018-02-23得票数 1
1回答
自我监督学习在ML中有哪些缺点？
、、、、
在过去的几年里，自我监督学习一直在上升。与其他学习方法(如监督学习和半监督学习)相比，它具有一定的优势，因为它不需要标记数据。
我想知道自我监督学习是否有什么缺点，在什么方面半监督学习比它更好。
浏览 2提问于2021-09-08得票数 0
回答已采纳
1回答
我试图在n*n网格世界域中导航代理，使用Q-学习+前馈神经网络作为Q-函数逼近器。基本上，代理应该找到最佳/最短的方式来达到某一终端目标位置(+10奖励)。特工采取的每一步都会得到-1的奖励。在网格世界中，代理也应该避免某些位置(-10奖励，终端状态也是如此)。
到目前为止，我实现了一个Q学习算法，它将所有的Q值保存在一个Q表中，并且代理执行得很好。在接下来的步骤中，我想用神经网络代替Q表，在agent的每一步都进行在线训练。我尝试了一个具有一个隐藏层和四个输出的前馈神经网络，表示网格世界(北、南、东、西)中可能的动作的Q值。作为输入，我使用了一个nxn零矩阵，在代理当前的位置上有一个"
浏览 3提问于2016-06-20得票数 0
回答已采纳
5回答
什么是进化计算？这是强化学习的方法吗？还是一种单独的机器学习方法？或者一个都没有？
请引用用来回答这个问题的参考资料。
浏览 4提问于2012-09-13得票数 13
回答已采纳
1回答
我正计划建造一辆自动驾驶的小型汽车(可能会修改我目前的rc汽车，或者使用机器人汽车套件，使用arduino和raspberry)。
我将使用CNN，我正在考虑如何收集数据(我想尝试一种类似于Udacity模拟器的方法)。我怀疑是更好的目标是监督学习还是强化学习。
我更倾向于有监督的学习，但我不知道记录数据的最佳方法。如果我将使用机器人汽车套件，前轮不会转向(它使用不同的车轮速度左转或右转)。所以我可以为每个方向创建3个函数，比如“软左”、“中左”和“硬左”来控制赛车，然后从7种可能性来预测：-软左、中左、硬左、中中、中右、硬右，所以7种可能的输出。
否则，如果我使用的汽车与前轮，能够驾驶，我有
浏览 0提问于2019-08-09得票数 1
回答已采纳
如果f是[a,b]上的一个连续函数，并且在[a,b]中有一个局部最小值，而在[a,b]中没有一个局部最大值，则可以通过反复将间隔切成三分之二，观察这些值的端点上的f值，并重复，从而获得任意精度的最小值。
这种技术的名称是什么？谷歌无济于事，一直在引导我使用微积分技术。
作为参考，我在这里用Perl实现了这个技术：
浏览 4提问于2013-11-15得票数 0
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
