emm，花了一周时间完成了DQN的从入门到入土，这个系列是完完全全的入门系列，因为讲的内容很简单，内容也比较少，仅仅是一个最基本的介绍。 我也是因为偶然的原因才接触到强化学习，然后觉得很有意思，比较好奇它是怎么做到的，于是就花了一段时间去了解，接着就将自己的入门过程就写下来了。 这个系列相比较与数据 ...
分类：
其他好文 时间：
2020-05-31 23:20:02
阅读次数：
113
元学习：从Few-Shot学习到快速强化学习(ICML 2019 Tutorial) by Chelsea Finn, Sergey Levine https://www.bilibili.com/video/BV1o4411A7YE ...
分类：
其他好文 时间：
2020-05-29 13:35:45
阅读次数：
84
==> 有钱，无脑瞎烧 GPU。 https://blog.csdn.net/u014157632/article/details/101721343 自动化机器学习（AutoML）最近变得越来越火，是机器学习下个发展方向之一。其中的神经网络结构搜索（NAS）是其中重要的技术之一。人工设计网络需要丰 ...
分类：
其他好文 时间：
2020-05-17 09:19:48
阅读次数：
78
Actor-Critic算法 在之前的Policy Gradient算法中，其运行结果不够稳定的至少一条原因是：奖励项不够稳定。 下图中，蓝色实现标记的当前和随后的奖励累积和，作为评判𝜋生成的轨迹的好坏度量，即通过累积和修正𝑙𝑜𝑔𝑝_𝜃。 但是，该累积和受到了策略网络𝜋的影响很大。在相 ...
分类：
其他好文 时间：
2020-05-15 13:46:43
阅读次数：
49
本文为卡耐基梅隆大学Probabilistic Graphical Models 课程中 Elements of Meta-Learning 关于元学习和元强化学习部分的内容讲解，包括元学习的基础介绍和元强化学习的元素介绍两个部分，具体内容如下： ...
分类：
Web程序 时间：
2020-05-15 09:17:45
阅读次数：
79
一、机器学习常用的开源框架和库 二、深度学习常用的开源框架和库 三、强化学习常用的开源框架和库 四、图神经网络常用的开源框架和库 五、知识图谱常用的开源框架和库 六、智能推荐常用的开源框架和库 ...
分类：
其他好文 时间：
2020-05-14 09:12:36
阅读次数：
158
在做博弈模型评估的时候，遇到一个问题是如何评价多个模型的优劣。例如我有训练好的三个围棋模型A,B,C，两两之间对打之后有一个胜负关系，如何对这三个模型进行排序呢？通常对于人类选手这种水平有波动的情形，棋类比赛通常计算选手Elo得分按分值排序，足球篮球等通过联赛积分或胜场进行排序，但对于固定不变的AI ...
分类：
编程语言 时间：
2020-05-10 13:17:52
阅读次数：
93
1.机器学习的主要分类 （1）监督学习（Supervised learning） ? 训练数据有目标向量（标签） ? 分类、回归 … （2）非监督学习（Unsupervised learning） ? 训练数据没有目标向量（标签） ? 聚类、密度估计、可视化 … （3）强化学习（Reinforcem ...
分类：
其他好文 时间：
2020-04-26 11:07:02
阅读次数：
59
初识AlphaZero AlphaZero能够基于强化学习实现较高技巧的棋类博弈，我看过nb网友实现的基于MCTS的五子棋模型后，惊叹不已！特此记录一下其中训练的一些方法和技巧。 MCTS MCTS是指蒙特卡洛搜索树。 蒙特卡洛搜索树没听过的话，想必你是知道蒙特卡罗模拟的。这个模拟过程就是暴力的按照 ...
分类：
其他好文 时间：
2020-04-18 18:59:39
阅读次数：
207
本文提出了一种Deep Q-Network（DQN），借助端到端(end-to-end)的强化学习方法能够直接从高维的输入中，学习一种很优的策略（policy）。输入是游戏的实时图像（当前`状态S`），借助卷积神经网络捕捉局部特征的关联性，输出所有可能采取`动作A`的概率分布。 ...
分类：
其他好文 时间：
2020-04-18 17:16:22
阅读次数：
143
