Публикации по теме 'reinforcement-learning'


Обучение с подкреплением с PPO
Обучение с подкреплением занимает особое место в мире машинного обучения. В отличие от других форм машинного обучения, таких как контролируемое или неконтролируемое обучение, обучение с подкреплением не требует каких-либо существующих данных, а скорее генерирует эти данные путем проведения экспериментов в заранее определенной среде. Эксперименты руководствуются целью, которая может быть предоставлена ​​извне в качестве награды или может быть внутренней, например исследовать или..
Обучение с подкреплением: видеотренинг по платформе бонсай, Pt. 3
Мы подготовили серию обучающих видеороликов, чтобы рассказать клиентам об обучении с подкреплением и платформе бонсай. Посмотрите видео 1 , чтобы начать знакомство с типами машинного обучения. Сегодня мы завершили выпуск наших обучающих видеороликов о бонсай , серии из пяти видеороликов, которые помогут новым клиентам быстро освоиться с платформой бонсай, языком программирования Inkling и обучением с подкреплением. Если у вас еще нет доступа к Платформе, но вы хотите узнать..
Никогда больше не игнорируйте обучение с подкреплением
Обучение с учителем или без него - это еще не все. Все это знают. Начните работу с OpenAI Gym. Вы хотите создавать автоматические трюковые маневры на вертолетах? Или вы управляете инвестиционным портфелем? Вы хотите взять под контроль электростанцию? Или вы стремитесь контролировать динамику передвижения гуманоидного робота? Хотите победить чемпиона мира по шахматам, нардам или го? Есть одно место, где вы будете решать такие проблемы: обучение с подкреплением. Что такое..
Почему существует оптимальная политика?
Доказательство существования оптимальной политики для конечных МДП В конечном Марковском процессе принятия решений (MDP) оптимальная политика определяется как политика, которая максимизирует ценность всех состояний одновременно ». Другими словами, если существует оптимальная политика, то политика, которая максимизирует значение состояния s , совпадает с политикой, которая максимизирует значение состояния s '. ² Но почему должна существовать такая политика? Знаменитая вводная..
Балансировка тележки и столба OpenAI Gym с использованием Q-обучения
В этом блоге я познакомлю вас с темой Обучение с подкреплением . После этого поста вы сможете понять Q-обучение и сможете создать агента, способного научиться балансировать полюс и в конечном итоге решить проблему. Оглавление Введение в тренажерный зал Open AI Проблема с тележкой Q-обучение Выполнение Что дальше и другие ресурсы Введение в тренажерный зал OpenAI Gym — это набор инструментов для разработки и сравнения алгоритмов обучения с подкреплением. Он поддерживает..
Путешествие в обучение с подкреплением (Часть 1)
Введение Обучение с подкреплением — это важный тип машинного обучения, используемый в широком спектре приложений и областей, включая робототехнику, генетику, финансовые приложения и рекомендательные системы, и это лишь некоторые из них. В этой серии статей я стремлюсь отправить читателя в путешествие, чтобы узнать достаточно об этой теме. Цель состоит в том, чтобы накопить знания в обучении с подкреплением, начиная с основных принципов и постепенно переходя к более продвинутым аспектам..
Введение в машинное обучение и его виды для начинающих
Что такое машинное обучение? Этот вопрос возникает у каждого, кто только что слышал о существовании подобных вещей. Это может звучать для вас, как заставить машину учиться… Да, вы все правильно поняли !! 🙌 Но как это происходит? Итак, это следующий вопрос, который возникает у вас в голове ... Верно? Так что подумайте о том, как вы чему-нибудь научитесь. Человек чему-либо учится, наблюдая за тем, как другие делают то же самое, а затем пробует это, экспериментирует с..