Публикации по теме 'reinforcement-learning'
Обучение с подкреплением, часть 4: Оптимальный поиск политик с помощью MDP
Обучение агента тому, как принимать решения, которые со временем увеличивают вознаграждение
С возвращением в мой блог об искусственном интеллекте! Мы уже многому научились, поэтому давайте подведем итоги того, что мы уже рассмотрели в моей серии статей по обучению с подкреплением:
Часть 1: Краткое введение в обучение с подкреплением (RL)
Часть 2: Знакомство с марковским процессом
Часть 3: Марковский процесс принятия решений (MDP)
Последний шаг в использовании MDP - это..
Об использовании имитационного обучения для обучения ботов
Команда вернулась с Develop:Brighton 2021, крупной конференции разработчиков игр в Великобритании, где у нас была возможность встретиться в реальной жизни со многими студиями и провести техническую презентацию. Хотя мы могли бы просто поделиться слайдами Алекса после его выступления, мы поняли, что это может быть немного пресно, поэтому решили вместо этого изучить некоторые элементы, кратко упомянутые в презентации, в нескольких сообщениях в блоге, начав сегодня с имитационного..
Обучение с подкреплением — что и зачем — Часть 1: Введение в RL
Добро пожаловать в эту бесплатную серию статей « Обучение с подкреплением — Что и почему» , посвященную тому, чтобы помочь вам и другим людям лучше понять обучение с подкреплением (RL). Если у вас есть базовые знания в области исчисления, статистики и вам интересно изучить RL, многообещающую и увлекательную область машинного обучения, то вы попали в нужное место. Цель этой серии — предоставить вам ценную информацию и знания, которые помогут вам ориентироваться в мире RL.
Структура моей..
Основные элементы обучения с подкреплением
Простое для понимания объяснение важнейших элементов обучения с подкреплением
Если вы пытаетесь освоить новый навык, например катание на роликах, вы, вероятно, несколько раз упадете, прежде чем овладеете искусством катания на коньках. Вы будете вознаграждены успешным приземлением каждый раз, когда научитесь балансировать. Каждый раз, когда вы не можете сбалансировать …
Какие существуют типы обучения?
Существует множество различных типов моделей обучения, которые можно использовать в зависимости от типа данных и задачи, которую необходимо решить.
В целом, как видно из рисунка, мы можем разделить модели обучения на следующие категории: Контролируемое , Неконтролируемое и Обучение с подкреплением .
1. Контролируемое обучение: ярлыки или предварительные знания для выходных данных предоставляются для каждого соответствующего входного сигнала. Мы можем разделить обучение с..
Мой эксперимент с RL: формальные определения
Введение
Всем привет, это второй пост из серии о моих экспериментах с обучением с подкреплением. Если вы не знаете, что такое RL, искренне рекомендую вам взглянуть на мой предыдущий пост . Если вы хотите ознакомиться с полной серией, загляните в мой репозиторий Github, где вы найдете все мои блоги и эксперименты с алгоритмами RL.
Чтобы понять RL в его основе, нам нужны некоторые термины в нашем наборе инструментов, чтобы понять все алгоритмы RL. Я считаю, что такой жаргон является..
Введение в обучение с подкреплением (RL) - Часть 1 - «Введение»
Серия учебных пособий по обучению с подкреплением
Четыре основных подэлемента системы обучения с подкреплением
Это первая часть серии руководств по RL, в которой представлен обзор книги Обучение с подкреплением: Введение. Второе издание." Ричард С. Саттон и Эндрю Дж. Барто. Эта книга доступна бесплатно «здесь .
Эта статья является частью серии. Ознакомьтесь с полной серией: Часть 1 , Часть 2 , Часть 3 , Часть 4 , Часть 5 , Часть 6 и Часть 7 !
Глава 1. Введение..
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..