Perguntas com a marcação «reinforcement-learning»

Eu implementei o Q-Learning conforme descrito em, http://web.cs.swarthmore.edu/~meeden/cs81/s12/papers/MarkStevePaper.pdf Para aprox. Q (S, A) Eu uso uma estrutura de rede neural como a seguir, Ativação sigmóide Entradas, número de entradas + 1 para neurônios de Ação (Todas as Entradas Escaladas 0-1) Saídas, saída única. Valor Q N número de M camadas …

14 machine-learning  neural-networks  reinforcement-learning 

Contexto : Eu quero desenhar uma linha em um gráfico de dispersão que não aparece paramétrica, portanto, eu estou usando geom_smooth()no ggplotno R. Ele retorna automaticamente, geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' …

14 r  gam  splines  loess  r  data-visualization  boxplot  mathematical-statistics  theory  sufficient-statistics  machine-learning  classification  correlation  svm  feature-selection  probability  stochastic-processes  machine-learning  reinforcement-learning 

Estou tentando entender o famoso artigo "Playing Atari with Deep Reforcement Learning" ( pdf ). Não estou claro sobre a diferença entre época e episódio . No algoritmo , o loop externo passa por episódios , enquanto na figura o eixo x é marcado como época . No contexto do …

14 neural-networks  terminology  reinforcement-learning  q-learning 

No artigo de 2015 da DeepMind sobre aprendizado profundo por reforço, ele afirma que "as tentativas anteriores de combinar RL com redes neurais falharam amplamente devido ao aprendizado instável". O artigo lista algumas causas disso, com base nas correlações entre as observações. Por favor, alguém poderia explicar o que isso …

13 machine-learning  neural-networks  deep-learning  reinforcement-learning 

Aprendizado por Reforço: Uma Introdução. Segunda edição, em andamento ., Richard S. Sutton e Andrew G. Barto (c) 2012, pp. 67-68. Resolver uma tarefa de aprendizado por reforço significa, basicamente, encontrar uma política que obtenha muitas recompensas a longo prazo. Para MDPs finitos, podemos definir com precisão uma política ideal …

13 markov-process  reinforcement-learning 

Eu li sobre uma série de algoritmos para resolver problemas de bandidos n-armados como -greedy, softmax e UCB1, mas eu estou tendo alguns problemas triagem através de qual abordagem é melhor para minimizar o arrependimento.ϵϵ\epsilon Existe um algoritmo ideal conhecido para resolver o problema dos bandidos n-armados? Existe uma escolha …

13 machine-learning  reinforcement-learning  multiarmed-bandit 

No artigo que apresentou o DQN " Playing Atari with Deep Reforcement Learning ", mencionou: Observe que, ao aprender pela repetição da experiência, é necessário aprender fora da política (porque nossos parâmetros atuais são diferentes daqueles usados ​​para gerar a amostra), o que motiva a escolha do Q-learning. Eu não …

12 reinforcement-learning 

Suponha que eu tenha um painel de variáveis ​​explicativas XitXitX_{it} , para i=1...Ni=1...Ni = 1 ... N , t=1...Tt=1...Tt = 1 ... T , bem como um vector de variáveis dependentes resultado binário YiTYiTY_{iT} . Então YYY é observado apenas no tempo final TTT e não em nenhum momento anterior. …

12 regression  machine-learning  reinforcement-learning 

No aprendizado por reforço, a aproximação de função linear é freqüentemente usada quando grandes espaços de estado estão presentes. (Quando as tabelas de consulta se tornam inviáveis.) A forma do valor com aproximação da função linear é dada porQ -Q-Q- Q ( s , a ) = w1 1f1 1( …

12 machine-learning  feature-selection  reinforcement-learning 

Ultimamente tenho pesquisado muito sobre o aprendizado por reforço. Eu segui o aprendizado de reforço de Sutton & Barto : uma introdução para a maior parte disso. Sei o que são os Processos de Decisão de Markov e como o aprendizado de Programação Dinâmica (DP), Monte Carlo e Diferença Temporal …

12 monte-carlo  reinforcement-learning  temporal-difference 

O jornal está aqui . A política de implementação ... é uma política linear softmax baseada em recursos locais rápidos, calculados de forma incremental e baseados em padrões locais ... Não entendo o que é política de distribuição e como ela se relaciona com a rede de políticas de seleção …

11 machine-learning  monte-carlo  reinforcement-learning  games 

Estou tentando usar uma rede neural para aproximar o valor de Q no aprendizado de Q, como em Perguntas sobre Q-Learning usando redes neurais . Conforme sugerido na primeira resposta, estou usando uma função de ativação linear para a camada de saída, enquanto ainda estou usando a função de ativação …

11 neural-networks  reinforcement-learning 

Estou interessado em (Deep) Reinforcement Learning (RL) . Antes de mergulhar neste campo, devo fazer um curso em Teoria dos Jogos (GT) ? Como o GT e o RL estão relacionados?

11 deep-learning  reinforcement-learning  game-theory 

Ao treinar um modelo parametrizado (por exemplo, para maximizar a probabilidade) por meio de descida estocástica do gradiente em alguns conjuntos de dados, geralmente é assumido que as amostras de treinamento são extraídas da distribuição de dados de treinamento. Portanto, se o objetivo é modelar uma distribuição conjunta , cada …

10 machine-learning  conditional-probability  reinforcement-learning  gradient-descent 

Eu estava lendo as notas da aula de Andrew Ng sobre aprendizado por reforço e estava tentando entender por que a iteração de políticas convergiu para a função de valor ideal e a política ideal .V∗V∗V^*π∗π∗\pi^* Lembre-se de que a iteração da política é: Initialize π randomlyRepeat{Let V:=Vπ \for the …

10 reinforcement-learning  policy-iteration