回答情况：
提问时间：
问题标签：
我理解为什么机器学习是这样命名的，除此之外，还有监督学习和无监督学习背后的术语。那么，关于强化学习，reinforced是什么？
浏览 63提问于2018-05-28得票数 4
回答已采纳
3回答
Tensorforce、Kerasrl和chainerrl用于强化学习的区别是什么？据我所知，这三种方法都与OpenAI健身房环境有关，并且具有相同的强化学习算法。在表现上有什么不同吗？
浏览 1修改于2018-09-11得票数 1
1回答
Q学习能在每一步的静态状态下工作吗？
我的意思是，这些行为根本不影响下面的状态。这些事件只是一次又一次地重复相同的数据。当然，不同的行为会带来不同的回报，但是在这种情况下，Q学习是正确的概念吗？
浏览 0提问于2018-04-05得票数 1
回答已采纳
1回答
我正在使用一种深度强化学习方法来导航一个agent从一个初始点到一个目标点。现场还有其他因素和障碍。我没有找到如何创建dataset，如何使用我前面提到的3个元素。
有人能帮帮我吗！提前谢谢！
浏览 2提问于2020-03-19得票数 0
1回答
我正在阅读一篇关于traffic流优化的论文，使用多Agent Q学习。本文提出了以下方法:在每个交叉口设置一个带有交通灯的强化学习控制器。我是一个加强学习的新手，所以如果你觉得我的问题幼稚，请给我推荐一本合适的教科书。谢谢
浏览 0修改于2018-03-05得票数 1
回答已采纳
我正在研究强化学习的强化算法。我很难理解如何计算奖励。📷从步骤t返回到步骤T1，即R_t + R_(t+1) +.
浏览 0提问于2018-09-13得票数 4
回答已采纳
1回答
我试着在低速环境下运行DRL，而连续学习让我很不爽。是否有加速学习的过程？我尝试了一些离线深入强化学习，但我仍然需要更高的速度(如果可能的话)。
浏览 6修改于2021-12-13得票数 0
回答已采纳
1回答
我从概念上理解它。你有一个代理和一个环境。然后你有一组状态，每个状态都有一个值。然后，智能体要么选择“探索”，要么选择“利用”，并根据发生的事情修改其知识。我正在试着为俄罗斯方块写一个RL代理，但我似乎找不到答案。如果有人能用ELI5就好了。如果有人能帮我，我会很感激的。谢谢:)
浏览 1提问于2013-11-13得票数 2
1回答
我正在实现连续强化学习(用深度强化学习的连续控制)，但在优化策略-神经网络时遇到了一些问题。我计划将策略的输出限制在0,1，而不是线性输出层，但这似乎严重阻碍了优化过程，而且算法无法再学习好的策略。
浏览 1提问于2017-04-29得票数 2
4回答
我熟悉监督学习和非监督学习的概念，但最近加强了(强化？)学习也在我面前出现过几次。谁能给出一个提示，它是什么，与其他两个(或特别是与无监督类型)的主要区别，有一些很好的例子？
浏览 0提问于2016-10-04得票数 6
1回答
因此，如果一个智能体正在学习踢足球，并且可用的动作是{kick，don't kick} <code>D4</code> =2
浏览 41提问于2020-03-14得票数 1
回答已采纳
1回答
我终于开发了一个游戏机器人，学习如何玩游戏蛇与深度Q-学习。我尝试了不同的神经网络和超参数，我找到了一个工作装置，为一组特定的奖励。当我不为此奖励代理人，而只奖励死亡和积极的食物吃，代理人不学习。国家考虑到附近是否有任何危险，如果食物是向上，向下，右或左，以及如果代理人是上，下，右或左。问题是:在强化学习中，奖励正确方向的行为者是“正确的方法”吗？或者被认为是作弊，因为系统需要自己去学习？把食物的坐标作为一种“欺骗”的另一种方式吗？
浏览 0提问于2018-09-20得票数 1
回答已采纳
正如问题所述，我正在寻找一个很好的解释/示例，以加强在pybrain中的学习，因为这方面的文档给我带来了无尽的困惑，我可以让它开始工作，但我不知道如何将它应用于其他事情。
谢谢汤姆
浏览 3提问于2015-06-13得票数 4
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号