当使用强化学习模型ddpg时，输入数据是序列数据、高维(21维)状态和低维(1维)动作。这对模型的训练有什么负面影响吗？如何解决这个问题
浏览 39提问于2021-01-23得票数 0
1回答
基于监督数据集的强化学习
、、、
我试着做一个大学项目，我的问题是，我的教授让我在一个基本的监督数据集上做一个像RL这样的高级ML模型，我试图让他相信RL也是不合适的。是否有方法对基于时间的数据集执行RL？
浏览 2提问于2022-08-08得票数 0
1回答
web服务器上实时数据的强化学习
、、、、
问:是否有可能在NodeJS服务器上实现强化学习模型？注意:我所拥有的培训数据不允许有监督的学习，即没有目标类的数据。
浏览 0提问于2019-03-01得票数 2
1回答
大数据集上的keras训练
、、、、
其想法是对一些数据集(如1、2、3)进行培训，在获得权重之后，另一个数据集(如4、5、6)将开始进行一次新的培训，从上一次培训中初始化权重。就实现而言，它是有效的，但是，上一次轮转所产生的权重只在用于训练该轮的数据集上表现得更好。其他轮调也是如此。换句话说，从dataset上的培训中提取的权重: 4,5,6不能给数据集1的图像带来好的结果，就像在数据集上训练的那样: 1,2,3，这不应该是我打算做的事情。其思想是，权重应该调整，以有效地处理所有数据集，
浏览 3提问于2020-11-18得票数 0
回答已采纳
这方面的一个例子是，网络针对未来培训数据的行为将影响成本。例如，网络可能会被训练来驾驶一辆模拟的汽车绕一条赛道，而成本是完成的时间或撞车的时间。
在tensorflow中实现这一目标的方法是什么？
浏览 3提问于2018-04-16得票数 0
回答已采纳
关于深度强化学习，我有一个更一般的问题。我总是有点挣扎，到底有什么不同的断断续续的政策是。可以肯定地说，非策略是在轨迹采样过程中从不同的行为分布中进行抽样，而on策略是使用实际策略进行轨迹生成。而评论家通常是基于MSE训练的，使用的是观察到的下一个时间步骤的奖励(可能使用一些注册的多个步骤，但目前忽略了一个注册)和下一个时间步骤的网络本身。PPO使用策略的比率来限制逐步大小，而DDPG则使用
浏览 6提问于2019-09-25得票数 1
1回答
添加特征的稳定集主成分分析
、、、、
是否有可能采用PCA设置(或任何其他降维技术)来添加新的特性，而不需要重新训练受过该特定PCA训练的下游模型？我们的想法是，(希望)我们可以有新的功能来改进PCA，这样我们每次添加新功能时都不需要再培训。如果这是不可能的，在这里解释，如何以另一种方式实现这一点？我们通过添加新数据源定期添加新特性，或者通过特征工程添加一些新特性。下行流模型依赖于特征空间的主成分分析。通过对PCA而不是针对特征的模型进行培训，可以直接简化工作流，并且如果可能有一个PCA (或另一个特征提取过程)将原始特征映
浏览 0提问于2017-09-11得票数 3
2回答
是否可以在有监督的模型上使用“强化学习”或反馈回路？我使用监督学习模型(更确切地说是线性回归模型)解决了一个机器学习问题，但我希望通过对预测输出创建一个反馈环来改进结果，即如果算法在某些例子上出错，就告诉算法。据我所知，这基本上就是强化学习的工作原理:该模型从正负反馈中学习。
我发现我们可以使用PyBrain实现有监督学习和<e
浏览 2提问于2019-07-11得票数 0
3回答
我正在尝试使用spark进行分类，特别是使用RandomForestModel。我需要能够训练一个模型，为将来的使用保留模型，但也能够加载它和进一步的训练。比如，扩展数据集，然后再进行训练。
浏览 7提问于2017-01-03得票数 0
回答已采纳
我有100+项目数据。每个项目从头到尾都有175个连续的活动。在我们想要预测的175项活动之间，大约有7个关键里程碑。数据是完全绝对的(意味着每个活动状态都是R，A，G，B，GR.)因此，我们想预测这7个里程碑(R，A，G)的状态，比如说在每25个活动之后。项目是一种土建工程项目，其顺序是收集、审查、批准、高层次设计、评审、低水平设计、识别风险、构建、交付等。里程碑是Reqts的结束、设计的结束、构建的结束和部署的结束等。因为我们是机器学习的新手，所以
浏览 0提问于2020-08-04得票数 1
我有一个功能性的LSTM模型，它具有可接受的性能。现在我如何将这个受监督的模型转换为一个强化学习模型，以提高性能？关于如何将有监督的模型转换为强化学习模型，有什么例子吗？详细信息:我有一个多输入多输出系统(因为我不能分享实际问题，让我们假设天气预报为例)，我需要实时预测输出(如温度、风速等)。我有一个很大的数据集，我尝试了一个监督学习模型，它可以很好地实时地完成预
浏览 0提问于2019-10-21得票数 2
5回答
如果在强化学习(RL)算法在现实世界中工作之前，需要在模拟环境中进行大量迭代，为什么我们不使用相同的模拟环境来生成标记数据，然后使用监督学习方法而不是RL？
浏览 3提问于2018-11-14得票数 1
最近我研究了强化学习，有一个问题困扰着我，我找不到答案:如何有效地使用GPU进行培训？据我所知，与环境的持续交互是必需的，对我来说这似乎是一个巨大的瓶颈，因为这个任务通常是非数学/不可并行的。但是，例如Alpha Go使用多个TPU/GPU。他们是怎么做到的？
浏览 0提问于2018-03-08得票数 16
回答已采纳
我是机器学习的新手。在阅读关于监督学习，无监督学习，强化学习的时候，我遇到了一个问题，如下所示，并感到困惑。请帮助我在以下三项中识别出哪一种是监督学习，无监督学习，强化学习。哪种类型的学习(如果有的话)最适合描述以下三种情况：
(i)为自动售货机设立硬币分类系统。为此，开发人员从美国造币厂获得准确的硬币规格，并推导出大小、重量和面额的统计模型，然后自动售货机<em
浏览 3提问于2013-04-03得票数 5
如果某些属性随着时间的推移而发生变化，可以使用哪些机器学习技术来建立模型？例如，预测一家酒店的价格取决于该城市的游客数量，这是时间依赖的，也就是说，它是不时变化的。此外，如果我们在一些静态数据上有一个很好的训练模型，那么如果一些数据发生变化，那么除了在完整数据上重新训练模型之外，还有什么方法来更新模型呢？
浏览 18提问于2019-05-22得票数 0
2回答
我已经在这个神经网络中实现了Q-学习，然而，它并没有导致代理赢得更多的游戏时间(甚至在100万次游戏之后)。我将尝试用文字解释我做了什么，希望有人能发现一个错误，这可能导致这个问题。我初始化了4个MLP，每个可能的动作一个，有100个输入节点(整个游戏网格10x10)，其中每个点是1如果玩家本身在那里，0如果点是空的，-1如果对手访问过这个点。Q值是使用乙状结肠或RELU激活函数来确定的(我尝试了两者)。
然后，我计算在新的状态4q-值，并使用它来训练我的第一步的网
浏览 2提问于2016-10-19得票数 2
1回答
在这篇关于静态和差异的链接中，人们提到像ARIMA这样的模型需要一个平稳的时间序列来进行预测，因为它的统计特性如均值、方差、自相关等随着时间的推移是恒定的。由于RNN具有更好的学习非线性关系(如下所述:递归神经网络在时间序列预测中的应用前景)的能力，并且在数据大的情况下比传统的时间序列模型表现得更好，因此了解平稳数据对其结果的影响是非常必要的。我需要知道的问题如下：
在传统的时间序列预测模型中，时间
浏览 0提问于2017-11-16得票数 33
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
