發(fā)簡信
IP屬地：廣東
-
深度強化學(xué)習(xí)落地指南總結(jié)（一）-需求分析
本系列是對《深度強化學(xué)習(xí)落地指南》全書的總結(jié)，這本書是我市面上看過對深度強化學(xué)習(xí)落地講的最好的一本書，大大拓寬了自己對RL落地思考的維度，形成了...
-
virtualenv使用說明
用PPO要用tensorflow_proballity 自己電腦是tf1.x 沒法順利安裝 所以要用虛擬環(huán)境 一般就是進入venv的bin目錄下...
-
機器學(xué)習(xí)中的頻率派和貝葉斯派-以極大似然估計和最大后驗估計為例
這是一個新的系列，會整理一下以前在ipad上寫的筆記。 前言 把概率引進到機器學(xué)習(xí)當中是一件很自然的事情，許多機器學(xué)習(xí)當中問題的本質(zhì)都可以從概率...
-
強化學(xué)習(xí)算法總結(jié)（一）——從零到DQN變體這是新開的一個系列，將結(jié)合理論和部分代碼（by ElegantRL）介紹強化學(xué)習(xí)中的算法，將從基礎(chǔ)理論總結(jié)到現(xiàn)在常用的SAC,TD3等算法，希望...
-
深入淺出解讀并思考AlphaGo本文是對2016年發(fā)表在Nature的<< Mastering the game of Go with deep neural networks...
-
蒙特卡洛積分與重要性采樣重要性采樣在強化學(xué)習(xí)有著重要作用,它是蒙特卡洛積分的一種采樣策略. 目錄 概率論基礎(chǔ) 蒙特卡洛積分 重要性采樣 參考 概率論基礎(chǔ) 本文先補充兩條...
-
強化學(xué)習(xí)之蒙特卡洛學(xué)習(xí),時序差分學(xué)習(xí)理論與實戰(zhàn)(四)前言 上一講講解了如果應(yīng)用動態(tài)規(guī)劃算法對一個已知狀態(tài)轉(zhuǎn)移概率的MDP進行策略評估或通過策略迭代或直接的價值迭代來尋找最優(yōu)策略和最優(yōu)價值函數(shù),同時...
-
強化學(xué)習(xí)之動態(tài)規(guī)劃尋找最優(yōu)策略理論與實戰(zhàn)(三)前言 本講將著重講解如何利用動態(tài)規(guī)劃(Dynamic programming)來解決強化學(xué)習(xí)中的規(guī)劃問題。"規(guī)劃"是指在已知環(huán)境動力學(xué)的基礎(chǔ)上進...
-
強化學(xué)習(xí)核心之馬爾科夫決策過程理論與實戰(zhàn)(二)前言 本講將從基礎(chǔ)的馬爾科夫過程開始講解,到馬爾科夫獎勵過程,馬爾科夫決策過程,最后也會用代碼鞏固這部分理論. 目錄 馬爾科夫過程 馬爾科夫獎勵...