temporal-difference

0зной

1ответ

Как эффективно вычислять экспозицию пятен в нардах

Я пытаюсь реализовать алгоритм для нард, аналогичный td-gammon, как описано here. Как описано в документе, в первоначальной версии td-gammon использовалось только кодирование исходной платы в простран

algorithm machine-learning artificial-intelligence reinforcement-learning temporal-difference 2016-10-08

---

4зной

3ответ

TD (λ) в Delphi/Pascal

У меня есть искусственная нейронная сеть, играющая Tic-Tac-Toe, но она еще не завершена. Что еще: массив награда "R [т]" с целыми значениями для каждого временного шага или переместить "т" (1 = игрок

artificial-intelligence neural-network reinforcement-learning temporal-difference 2011-01-30

---

1зной

1ответ

Временное различие Изучение и обратное распространение

Я прочитал эту страницу standford - https://web.stanford.edu/group/pdplab/pdphandbook/handbookch10.html. Я не могу понять, как обучение TD используется в нейронных сетях. Я пытаюсь сделать шашки AI, к

machine-learning neural-network backpropagation reinforcement-learning temporal-difference 2016-02-14

---

1зной

1ответ

сравнение временных последовательностей

Я пытаюсь обвести голову вокруг этой задачи и задаюсь вопросом, существует ли стандартный способ сделать это или некоторые библиотеки, которые были бы полезны. Определенные события отслеживаются и син

temporal-database temporal temporal-difference 2010-09-10

---

1зной

1ответ

Укрепление обучения-ТД обучения от последействия

Я делаю программу, которая учит 2 игроков играть в обычную настольную игру, используя Укрепление обучения и метод обучения временным различиям (TD (λ)) на основе последействия. Обучение происходит пут

machine-learning reinforcement-learning temporal-difference 2015-07-05

---

2зной

1ответ

Градиентная временная разность Лямбда без функции Приближение

В каждом формализме GTD (λ), по-видимому, определяется его с точки зрения приближения функции, используя θ и некоторый весовой вектор w. Я понимаю, что потребность в градиентных методах широко исходил

machine-learning reinforcement-learning temporal-difference 2016-04-30

---