1回答
我对批量学习和成长的批量Q学习之间的区别感到困惑。此外，如果我只有历史数据，我能实现成长批量Q学习吗？
谢谢!
浏览 2提问于2015-09-28得票数 3
回答已采纳
1回答
Q与猫鼬混淆
、、、
我正在对一些猫鼬文档进行一些稍微复杂的后处理，最后我添加了q来帮助管理异步。我可以让事情正常工作，但我有点困惑于下面发生了什么，如果我使用一个函数来返回Q.nfcall返回的承诺，而不是仅仅使用返回承诺本身的Q.nfcall，那么为什么我会有不同的行为。我描述的场景在代码中可能更清楚：return Q.all([ Q</em
浏览 3提问于2014-04-18得票数 0
回答已采纳
1回答
在Q-学习算法中，行为的选择取决于当前状态和Q-矩阵的值。我想知道这些q值是只在勘探阶段更新，还是在开发阶段也会发生变化。
浏览 4提问于2017-01-04得票数 0
回答已采纳
Qutebrowser有一个命令:close关闭当前窗口，命令:quit (可以缩短为:q )退出Qutebrowser，从而关闭所有窗口。由于我习惯于使用vim和vim的选项卡，所以我经常输入:q，意外地将其与:close混淆，从而使所有窗口同时关闭。我想要做的是让:q以:close的形式运行，或者定义一个作为实际:quit命令的:qa命令。
有可能这样做吗？
浏览 1提问于2018-06-24得票数 1
回答已采纳
1回答
我试图用一个动作值近似函数来实现Q-学习.我正在使用openai-健身房和"MountainCar-v0“环境来测试我的算法。我的问题是，它根本没有收敛或找到目标。基本上，近似器的工作方式如下所示:位置和速度，以及一个热编码的三个动作之一:0 -> 1, 0,0，1 -> 0,1,0和2 -> 0，0，1，1。输出是一个特定动作的动作值近似Q_approx(s，a)。
我知道，通常输入是状态(两个特性)，输出层包含每个动作<
浏览 2提问于2017-08-25得票数 0
回答已采纳
1回答
我用角码训练我的模型进行二值分类。我在ImageNet上使用了Resnet预器，我获得了95%的精度。在我的数据集中，我有9004张用于训练的图像分为两类，2250张用于测试的图像被分成两类。但是混乱矩阵给了我有人能帮我知道这个执政官的意思吗？
浏览 2提问于2020-04-13得票数 0
我正在致力于Q-Learning的实现，以构建一个玩Galaga的人工智能。我知道Q-learning需要状态和动作，并需要表格来确定状态之间的移动。Q-Learning online的所有示例和教程似乎都是用于基于网格的游戏，具有易于定义的状态。但Galaga涉及左右移动和向上射击，敌人在整个游戏过程中随机移动。因此，我在定义Q-Learning算法中的状态应该是什么时遇到了麻烦
浏览 1提问于2018-04-20得票数 0
在一个关于密码混淆的讲座中，我无意中听到可学习函数是模糊的。但对我来说，这似乎是违反直觉的。让我们以一个线性函数为例(作为可学习函数的一个例子)，然后假设给我函数的任何模糊版本，我总是可以通过查询能够访问原始函数的oracle来找到原始函数--那么，我是如何开始混淆原始可学习函数的呢？
浏览 0提问于2020-12-31得票数 0
回答已采纳
1回答
我在大学上了一门叫做“智能机器”的课程。向我们介绍了三种强化学习的方法，并向我们提供了何时使用它们的直觉，我引述如下：
有什么很好的例子说明什么时候应该选择一种方法而另一种方法呢？
浏览 19提问于2015-12-09得票数 23
回答已采纳
4回答
我正在学习Django教程，我正在创建投票应用程序的步骤3。有一个名为"question_id“的变量，我不知道它到底是从哪里定义的，或者它是从哪里来的。我会把文件发到下面。我唯一的猜测是，当在Models.py中定义类问题时，这个变量是由Django内部创建的，但我不确定。它没有在“问题”类中定义。这是我的档案：from django.shortcuts import
浏览 1提问于2017-01-18得票数 2
回答已采纳
1回答
bellman最优方程的状态-行动的最佳值( sutton 2018第63页)是 ? Q学习是 ? 我知道Q-learning是无模型的。所以它不需要下一个状态的转移概率。然而，当s，a给定时，bellman方程的p( s‘r|s，a)是下一状态s’具有奖励r的转移概率。所以我认为要得到一个Q(s，a)，它需要转移的概率。 bellman方程的Q和
浏览 50提问于2020-02-02得票数 3
回答已采纳
1回答
我正在通过萨顿的“强化学习导论”。他给出了q_*函数的定义如下其中，A_t是在t时采取的行动，而R_t是与采取A_t相关联的奖励。据我理解，q_*代表了采取行动a的真正价值，这是选择a时的平均奖励。
但我不明白为什么t会包含在这个方程中。q_*(a)真的应该是q_*(a,
浏览 0提问于2020-10-10得票数 1
回答已采纳
3回答
学习速度如何影响收敛速度和收敛本身的问题。如果学习速率是常数，Q函数会收敛到最优的on还是学习速率一定会衰减以保证收敛？
浏览 5提问于2015-10-08得票数 6
回答已采纳
2回答
Q-学习价值过高
、、、
我最近尝试在Golang实现一个基本的Q-学习算法。请注意，我是新的强化学习和人工智能在一般，所以错误很可能是我的。t-1的Q(s, a)值。值得一提的是，使用一种简单的学习方法，我在python脚本中发现它工作得非常好，而且感觉更聪明！当我玩它时，大多数时候结果是平局(如果我不小心地玩，它甚至赢了)，而用标准的Q-学习方法，我甚至不能让它赢！这
浏览 1提问于2016-05-30得票数 4
回答已采纳
我很难理解目标网络和双DQN之间的区别目标网络生成目标值-Q值，用于计算训练过程中的每一个动作的损失。目标网络的权重是固定的，而且通常是通过向主Q网络值进行少量更新。双DQN:在计算训练步骤的目标q值时，我们没有取最大q值，而是使用我们的主网络选择一个动作，而我们的目标网络为该动作生成目标q值。这听起来和我很相似，这个等式也让我迷失了方向：
qT
浏览 0提问于2018-05-28得票数 11
回答已采纳
1回答
我正在使用fer2013数据集进行深入学习。
📷
我有一些误解-为什么我的精度有这么大的不同？这个混淆矩阵部分有错误吗？这是我的笔记本-> https://www.kaggle.com/code/prilia&#x
浏览 0提问于2022-05-03得票数 1
回答已采纳
2回答
我目前正在进行一个课程项目，并试图为类似于othello的游戏开发人工智能。G(state) = p_0*A_0 + p_1*A_1 + ...+p_n*A_n一种建议是使用机器学习来生成函数的参数，但在阅读过程中，我发现像Q学习</
浏览 1提问于2013-09-12得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
