Perguntas com a marcação «reinforcement-learning»

Qual é a diferença entre o aprendizado de reforço sem modelo e com base em modelo? Parece-me que qualquer aluno sem modelo, aprendendo por tentativa e erro, poderia ser reformulado como baseado em modelo. Nesse caso, quando os alunos sem modelo seriam apropriados?

29 reinforcement-learning  comparison  model-based  model-free 

Tanto quanto eu entendo, Q-learning e gradientes de políticas (PG) são as duas principais abordagens usadas para resolver problemas de RL. Enquanto o Q-learning visa predizer a recompensa de uma determinada ação executada em um determinado estado, os gradientes das políticas predizem diretamente a própria ação. No entanto, ambas as …

21 reinforcement-learning  q-learning  policy-gradients  comparison 

Eu quero criar uma IA que possa jogar cinco em linha / gomoku. Como mencionei no título, quero usar o aprendizado por reforço para isso. Eu uso o método gradiente de política , ou seja, REFORÇAR, com a linha de base. Para a aproximação das funções de valor e política, …

20 machine-learning  reinforcement-learning  game-ai  combinatorial-games 

Estou estudando o aprendizado por reforço e suas variantes. Estou começando a entender como os algoritmos funcionam e como eles se aplicam a um MDP. O que não entendo é o processo de definição dos estados do MDP. Na maioria dos exemplos e tutoriais, eles representam algo simples como um …

14 reinforcement-learning 

Por exemplo, o título deste artigo é: "Exemplo de crítica eficiente de ator com repetição de experiência". O que é eficiência da amostra e como a amostragem importante pode ser usada para alcançá-la?

14 reinforcement-learning  statistical-ai  importance-sampling 

Eu estive estudando o aprendizado por reforço e, especificamente, brincando com a criação de meus próprios ambientes para usar com o OpenAI Gym AI. Estou usando agentes do projeto stable_baselines para testar com ele. Uma coisa que notei em praticamente todos os exemplos de RL é que nunca parece haver …

13 machine-learning  reinforcement-learning  overfitting  dropout 

Ao projetar soluções para problemas como o Lunar Lander no OpenAIGym , o Aprendizado por Reforço é um meio tentador de fornecer ao agente o controle adequado da ação, a fim de pousar com sucesso. Mas quais são as instâncias em que algoritmos do sistema de controle, como controladores PID …

12 reinforcement-learning  ai-design  control-theory 

Existe uma maneira de ensinar aprendizado reforçado em aplicativos que não sejam jogos? Os únicos exemplos que posso encontrar na Internet são de agentes de jogos. Entendo que os VNCs controlam a entrada dos jogos através da rede de reforço. É possível configurar isso com um software CAD, por exemplo?

12 reinforcement-learning  applications 

Eu estava passando por essa implementação do DQN e vejo que nas linhas 124 e 125 foram inicializadas duas redes Q diferentes. Pelo meu entendimento, acho que uma rede prediz a ação apropriada e a segunda rede prediz os valores Q de destino para encontrar o erro de Bellman. Por …

12 reinforcement-learning  q-learning  dqn 

Estou codificando um modelo de aprendizado por reforço com um agente de PPO, graças à muito boa biblioteca Tensorforce , construída sobre o Tensorflow. A primeira versão era muito simples e agora estou mergulhando em um ambiente mais complexo, onde nem todas as ações estão disponíveis a cada etapa. Digamos …

12 deep-learning  reinforcement-learning 

É garantido que o algoritmo tabular de aprendizado de Q encontre a função QQQ ideal , Q∗Q∗Q^* , desde que sejam satisfeitas as seguintes condições (condições de Robbins-Monro ) em relação à taxa de aprendizado ∑tαt(s,a)=∞∑tαt(s,a)=∞\sum_{t} \alpha_t(s, a) = \infty ∑tα2t(s,a)&lt;∞∑tαt2(s,a)&lt;∞\sum_{t} \alpha_t^2(s, a) < \infty onde αt(s,a)αt(s,a)\alpha_t(s, a) significa que …

12 reinforcement-learning  q-learning  deep-rl  proofs  function-approximation 

Eu estava lendo o livro Reinforcement Learning: An Introduction, de Richard S. Sutton e Andrew G. Barto (rascunho completo, 5 de novembro de 2017). Na página 271, é apresentado o pseudocódigo do método episódico de política de gradiente de Monte-Carlo. Olhando para esse pseudocódigo, não consigo entender por que parece …

11 reinforcement-learning  algorithm  rl-an-introduction  reinforce 

Como aluno que deseja trabalhar no aprendizado de máquina, gostaria de saber como é possível iniciar meus estudos e como segui-lo para manter-me atualizado. Por exemplo, estou disposto a trabalhar nos problemas de RL e MAB, mas existem grandes literaturas sobre esses tópicos. Além disso, esses tópicos são estudados por …

11 machine-learning  reinforcement-learning  research  markov-decision-process 

O Trusted Region Policy Optimization (TRPO) e o Proximal Policy Optimization (PPO) são dois algoritmos avançados de gradientes de políticas. Ao usar uma única ação contínua, normalmente, você usaria alguma distribuição de probabilidade (por exemplo, Gaussiana) para a função de perda. A versão aproximada é: L ( θ ) = …

11 deep-learning  reinforcement-learning  trpo 

A política ideal é sempre estocástica (ou seja, um mapa dos estados para uma distribuição de probabilidade sobre as ações) se o ambiente também é estocástico? Intuitivamente, se o ambiente for determinístico (ou seja, se o agente estiver em um estado e tomar ação , então o próximo estado será …

10 reinforcement-learning  stochastic-policy  deterministic-policy  policy  environment