强化学习算法研究

Waiting 48 0 pdf 2019-03-15 02:03:42

针对智能Agent运动中，普遍存在的避障问题，结合试错和环境交互，得出策略。

推荐下载

胡斯卡尔 Huskarl是专注于模块化和快速原型设计的深度强化学习框架。它基于TensorFlow 2.0构建,并在可能的情况下使用tf.keras API以获得简洁性和可读性。 Huskarl使跨

相互作用 Interact包含几种深度强化学习算法的实现。安装可以按以下方式安装Interact: git clone https://github.com/rystrauss/interact

利用qlearing算法训练贪吃蛇,模型在2000次循环内取得很好的效果,属于伯克利人工智能导论课cs188中的作业

Scheduling strategy optimization algorithm for deep reinforcement learning

深入强化学习算法:代码实现与解析本项目通过代码实例,剖析经典强化学习算法的内部机制,涵盖:SARSA:基于时间差分学习,直接从智能体与环境的交互中学习。Q-learning:使用最优价值函数估

强化:haskell中的强化学习

针对深度强化学习算法中存在的过估计问题,提出了一种目标动态融合机制,在Deep [Q] Networks(DQN)算法基础上进行改进,通过融合Sarsa算法的在线更新目标,来减少DQN算法存在的过估计

Python Intensive Learning Practice: Applying OpenAI Gym and TensorFlow to Master Reinforcement Learn

深度逆向强化学习是机器学习领域的一个新的研究热点,它针对深度强化学习的回报函数难以获取问题,提出了通过专家示例轨迹重构回报函数的方法。首先介绍了3类深度强化学习方法的经典算法；接着阐述了经典的逆向强化

用户评论

请输入评论内容

评分：

卡了网匿名网友 2019-03-15 02:03:42

一篇文章，比较贵，对算法的一种研究，