reinforcement-learning

0зной

1ответ

Q значение абсорбирующего состояния

\begin{equation} ​Q_{t+1}(s_t,a_t) = Q_{t}(s_t,a_t) +\alpha (R_{t+1} + \gamma * \max(Q_t(s_{t+1}, a)) - Q_t(s_t, a_t)) \end{equation} В приведенном выше уравнении, есть термин max(Q_t(s_{t+1},a))

reinforcement-learning q-learning 2016-06-13

---

2зной

2ответ

Почему мы весим недавние награды более высокими в обучении нестационарной арматуре?

Книга «Введение в подкреплении» по Барто и Саттон, упоминает следующее о нестационарных RL проблем -. «мы часто сталкиваются с проблемами обучения усилительных, которые эффективно нестационарными В та

artificial-intelligence reinforcement-learning reward-system 2016-05-08

---

0зной

1ответ

AI Player не работает хорошо? Зачем?

Я пытаюсь реализовать агента, который использует Q-обучение для воспроизведения Ludo. Я тренировал его с помощью e-greedy action selector с эпсилом 0,1 и скоростью обучения 0,6 и коэффициентом дисконт

c++ artificial-intelligence reinforcement-learning q-learning 2016-05-24

---

4зной

2ответ

Значения Q-Learning становятся слишком высокими

Недавно я попытался реализовать базовый алгоритм Q-Learning в Голанге. Обратите внимание, что я новичок в обучении арсеналу и искусственном интеллекте в целом, поэтому ошибка может быть очень хорошей.

go floating-point reinforcement-learning q-learning 2016-05-30

---

8зной

2ответ

Как накапливать и добавлять градиенты для асинхронного n-step обновления DQNetwork в Tensorflow?

Я пытаюсь реализовать Asynchronous Methods for Deep Reinforcement Learning, и для одного из шагов требуется скопировать градиент на разные этапы, а затем применить его. Каков наилучший способ достичь

neural-network tensorflow reinforcement-learning 2016-06-08

---

1зной

1ответ

Как реализовать функцию значения состояния?

Я наблюдаю курс Berkely CS 294 о глубоком обучении подкрепления. Тем не менее, я встречаю некоторые проблемы в задании. Я попытался реализовать уравнение ниже. Я думаю, что это довольно просто, но я н

python reinforcement-learning 2016-06-14

---

1зной

1ответ

Аппроксимация функций: как отличается кодирование черепицы от сильно дискретированного пространства состояний?

Я перехожу от дискретизации пространства непрерывного состояния к приближению функции. Мое пространство действия и состояния (3D) являются непрерывными. Моя проблема сильно страдает от ошибок из-за сг

python machine-learning artificial-intelligence reinforcement-learning 2016-05-04

---