强化学习
关注
分享
扫一扫
Hua Zhu
自动驾驶从业者，涉及环境感知、规划控制、仿真器、ROS
展开
-
【机器学习】机器学习知识图谱：传统学习、神经网络、深度学习、强化学习、对抗学习等
注：以下为个人总结机器学习知识图谱，来源参考《机器学习》西瓜书、《深度学习》Udacity、《机器学习》Coursera等。原创 2019-01-01 15:59:25 · 2310 阅读 · 1 评论 -
【强化学习】强化学习：时间差分学习算法、SARSA(0)算法与神经网络模型结合迭代流程
以下是强化学习-时间差分学习算法（SARSA(0)算法）与神经网络模型相结合的迭代流程图流程的关键点是：1、流程中动作值函数的逼近方法使用的是神经网络模型（图中含NET的步骤，具体根据需要设计）。2、模型中使用的动作值的真值是用神经网络模型（使用NET步骤）进行估算后乘于折扣率加上当前奖励得到的。3、每一次迭代中，用来训练模型的状态值S、动作值A都是上一步迭代所得（on-line策...原创 2019-01-02 18:17:02 · 643 阅读 · 0 评论 -
【强化学习】强化学习：时间差分学习算法、SARSAmax算法、Q学习算法与神经网络模型结合迭代流程
以下是强化学习-时间差分学习算法、SARSAmax算法、Q学习算法与神经网络模型相结合的迭代流程图(深度Q学习）流程的关键点是：1、流程中动作值函数的逼近方法使用的是神经网络模型（图中含NET的步骤，具体根据需要设计）。2、流程中需要先利用网络完成所有动作空间的动作值估算，然后根据max策略选取一个动作值作为动作估计值，再结合折扣系数、直接奖励估算真值。3、每一次迭代中，都会使用两...原创 2019-01-02 23:09:59 · 685 阅读 · 0 评论 -
【强化学习】深度强化学习：DQN（深度Q学习）、经验回放、固定Q目标迭代流程。
以下是深度强化学习：深度Q网络DQN的迭代流程、其中增加了经验回放、固定Q目标等处理技巧。流程的关键点是：1、该流程是一个横向展开流程，从左向右是时间轴上的逐步迭代。2、流程中动作值函数的逼近方法使用的是神经网络模型（图中含NET的步骤，具体根据需要设计）。3、除初始化环节，每个迭代循环分为两大步操作，以随机缓存区为分界，上部为采样环节（sample，提供新的数据），下部为学习环节...原创 2019-01-03 10:02:51 · 7702 阅读 · 0 评论