包含标签：强化学习 的文章
-
强化学习中动作价值函数和状态价值函数的联系区别？
在强化学习中，动作价值函数（Q函数）和状态价值函数（V函数）都是值函数，用于评估在不同状态或状态动作对下的值。它们之间存在联系，但有一些区别： 动作……admin 2024-03-07
-
喜讯 | 深信科创与长安汽车AI Lab合作，在IEEE TIV发表《自然对抗安全关键测试场景生成》论文
近日，深信科创与长安汽车AI Lab合作完成的《Adversarial Safety-Critical Scenario Generation using Naturalistic Human Driving Priors》（利用人类自然…… -
15. 蒙特卡诺简介
文章目录 1. 什么是蒙特卡诺？ 2. 何时使用蒙特卡洛方法？ 1. 什么是蒙特卡诺？ Monte Carlo是一种基于概率与统计学的算法； 该方法是通过大量随机实验…… -
【深度强化学习】(4) Actor-Critic 模型解析，附Pytorch完整代码
大家好，今天和各位分享一下深度强化学习中的 Actor-Critic 演员评论家算法，Actor-Critic 算法是一种综合了策略迭代和价值迭代的集成算法。我将使用该模型结…… -
Softmax Strategy
1. epsilon-greedy strategy 11111 2. UCB strategy 222 3. Softmax strategy 333 4. Gradient strategy 444 References [1] 科学网—【RL系列】Multi-Arme…… -
【深度强化学习】(5) DDPG 模型解析，附Pytorch完整代码
大家好，今天和各位分享一下深度确定性策略梯度算法 (Deterministic Policy Gradient，DDPG)。并基于 OpenAI 的 gym 环境完成一个小游戏。完整代码在我的 Git…… -
【深度强化学习】(1) DQN 模型解析，附Pytorch完整代码
大家好，今天和各位讲解一下深度强化学习中的基础模型 DQN，配合 OpenAI 的 gym 环境，训练模型完成一个小游戏，完整代码可以从我的 GitHub 中获得： https:/…… -
ChatGPT强化学习大杀器——近端策略优化（PPO）
ChatGPT强化学习大杀器——近端策略优化（PPO） 近端策略优化（Proximal Policy Optimization）来自 Proximal Policy Optimization Algorithms（Schulman et. …… -
本科生学深度学习一轻松搭建强化学习环境，gym的安装
OpenAI Gym 是一个工具包，提供了广泛的模拟环境，也是强化学习的环境，因为想学强化学习，所以需要搭建一个环境，之前一直在代码层面，还是得能看到，比较直…… -
用强化学习玩《超级马里奥》
Pytorch的一个强化的学习教程（ Train a Mario-playing RL Agent）使用超级玛丽游戏来学习双Q网络(强化学习的一种类型)，官网的文章只有代码， 所以本文将配……