Запитання з тегом «reinforcement-learning»

Наразі я намагаюся отримати АНН, щоб грати у відеоігри, і я сподівався отримати допомогу чудового співтовариства тут. Я зупинився на Diablo 2. Гра, таким чином, відбувається в режимі реального часу і з ізометричної точки зору, при цьому гравець управляє одним аватаром, на якому орієнтована камера. Щоб зробити конкретні речі, завдання …

139 machine-learning  computer-vision  neural-network  video-processing  reinforcement-learning 

У чому полягає різниця між ітерацією політики та ціннісною ітерацією при підкріпленні . Наскільки я розумію, у ітерації значень ви використовуєте рівняння Беллмана для вирішення оптимальної політики, тоді як під час ітерації політики ви випадковим чином вибираєте політику π і знаходите винагороду за цю політику. Я сумніваюся, що якщо ви …

94 machine-learning  reinforcement-learning  markov-models  value-iteration 

Хоча я знаю, що SARSA є політикою, тоді як Q-навчання не відповідає політиці, при перегляді їх формул важко (мені) побачити будь-яку різницю між цими двома алгоритмами. Згідно з книгою « Підкріплення навчання: вступ» (Саттона та Барто). В алгоритмі SARSA, враховуючи політику, відповідна функція значення значення дії Q (у стані s …

88 artificial-intelligence  reinforcement-learning  q-learning  sarsa 

Я намагаюся відтворити дуже простий приклад програми «Градієнт політики» з його ресурсного джерела блогу «Андрій Карпаті» . У цьому артикулі ви знайдете приклад із CartPole та Gradient Policy зі списком ваги та активації Softmax. Ось мій відтворений і дуже простий приклад градієнта політики CartPole, який ідеально працює . import gym …

19 python  machine-learning  math  deep-learning  reinforcement-learning 

Я намагаюся реалізувати модель DQL в одній грі openAI gym. Але це дає мені наступну помилку. TypeError: len недостатньо визначений для символічних тензорів. (activation_3 / Identity: 0) Будь ласка, зателефонуйте, x.shapeа не len(x) для інформації про форму. Створення атмосфери тренажерного залу: ENV_NAME = 'CartPole-v0' env = gym.make(ENV_NAME) np.random.seed(123) env.seed(123) nb_actions …

10 python  tensorflow  keras  reinforcement-learning  keras-rl