1回答
所以我有两个算法: HER (带一点自我监督的RL)和HAC (分层RL)。环境被挑选和放置。HAC 快速总结HAC的工作原理:两个级别(高和低)，高级别生成一个目标(x，y，z)，其中必须移动机器人末端执行器。低层以这些目标为目标作用于环境。高水平每H步产生一个新目标。这是我的问题 在她中，第一个时期的渲染看起来很平滑，在HAC中缓慢移动(如刻意探索)仅在50升(1时期= 2000升)之后高级模型总是输出最大动作(1,1，-1,1)
浏览 27提问于2020-11-04得票数 0
2回答
我遇到了一个问题，智能体不学习，它在训练周期结束时的表现是反复杀死自己。经过一点调试，我发现网络预测的Q值每次都是相同的。动作空间是上，右，下，左，网络预测0，0，1，0。训练损失确实会随着时间的推移而下降，但似乎没有什么不同。batch_size = 2max_steps = 100000
target_update = 100 我已经让它训练了整整1000集，在最后它是相当糟糕的。编辑:忘记提到，智能体走向
浏览 50提问于2019-12-30得票数 1
我很难用一句话来描述我想要的东西，这可能就是我在Google上运气不佳的原因。然而，我所拥有的培训数据只是状态，已经采取的行动，以及是否有好的或坏的结果。如果选择的移动是不好的，我不
浏览 0提问于2015-07-26得票数 3
1回答
我的问题是在我对PyTorch DQN教程中的代码进行检查后提出的，但随后又提到了强化学习:强化学习中最佳探索/利用的最佳实践是什么？这可能适用于本教程中介绍的CartPole问题-早期的片段可能非常短，任务相当简单-但对于需要更多探索的更复杂的问题呢？例如，如果我
浏览 22提问于2019-02-04得票数 0
回答已采纳
我目前正在研究机器学习范例在寻路问题上的应用。我目前正在研究强化学习模式，我使用QLearning进行路径查找。当状态不多时，QLearning似乎运行良好，但一旦环境变得更大，状态越多，它的性能就越差。由于QLearning的收敛速度太慢，我想知道是否可以用QLearning插值未探索状态的QValue，因为QLearning不使用模型？是否有可能在一般情况下进行强化，还是需要了
浏览 0提问于2018-04-18得票数 0
回答已采纳
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
浏览 4提问于2021-08-14得票数 0
回答已采纳
警告：
我知道我的问题可能显得奇怪、愚蠢和不可能，但让我们想想这个有趣的问题。我不会问这样的问题:如何在google中创建一个AGI。这是一个真正的问题，我相信是有可能解决的。我的问题可能看起来很奇怪，因为我没有什么经验，也许我指出了一些错误。但我向你保证，这不是一派胡言。我的实际任务比下面的任务难得多，因此，为了简化问题，我简化了问题。我有R
浏览 0提问于2022-06-12得票数 3
回答已采纳
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
我正在努力了解如何确保我们的代理在开发它所知道的信息之前，对状态空间进行足够的探索。我知道，我们使用贪婪的epsilon方法和一个衰败的epsilon来实现这一点。然而，我遇到了另一个概念，即使用探索函数来确保我们的代理探索状态空间。用Epsilon贪婪的Q(s
浏览 0提问于2021-05-05得票数 3
回答已采纳
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
1回答
我正在开发一个信息检索模型，在这个模型中，用户输入一个查询，该模型必须检索3个最相关的FAQ对。我正在收集页面单击etc.What的隐式反馈--我不明白如何定义状态--如果我想通过强化学习来实现这一点?如果我将每个查询定义为一个状态，所有的状态都会不同-- .Can --请对此有所了解！！
浏览 0提问于2018-10-24得票数 1
4回答
我正在使用Sutton &Barto的电子书“强化学习:学习强化学习的介绍”。我遇到了一些问题，试图在上模拟结果(图)。
因此，我想，我必须跟踪探索性的价值，因为更好的发现。问题是如何用贪婪
浏览 9提问于2013-07-29得票数 6
回答已采纳
Barto和Sutton的《强化学习导论》一书中提到了以下关于非平稳RL问题的内容：
“我们经常遇到强化学习问题，这些问题实际上是非平稳的。在这种情况下，将最近的奖励比长期奖励更重地加权是有意义的。”例如，一个探索者代理的任务是找到迷宫的出口，实际上可能会失败，因为它在遥远的过去做出了错误<e
浏览 1提问于2016-05-08得票数 2
1回答
深层Q学习不收敛
、、、、
我正在使用Keras进行深度Q学习的实验，我想教一个代理执行一个任务。我尝试了3种不同的模型(我没有使用卷积网络)
具有乙状结肠激活函数的10
浏览 4提问于2017-04-17得票数 2
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。基本的超平面算法:感知器和Winnow。核粒
促进弱学习者向强
浏览 0提问于2017-01-04得票数 9
回答已采纳
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？也许它会学
浏览 0提问于2016-03-12得票数 4
回答已采纳
1回答
问题当前状态是表示物体在环境中的位置(三维)和物体的速度(三维)的矢量。在环境中随机初始化起始位置，以及启动速度。
动作是表示从状态t到状态t+1的运动的</
浏览 0提问于2019-01-05得票数 5
回答已采纳
1回答
问题当前状态是表示物体在环境中的位置(三维)和物体的速度(三维)的矢量。在环境中随机初始化起始位置，以及启动速度。
动作是表示从状态t到状态t+1的运动的</
浏览 1提问于2019-01-05得票数 2
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
腾讯会议
云直播活动推荐
腾讯云开发者
