У меня есть вопрос о моем случае в теме обучения с подкреплением. Я хочу измерить принятие цены...

Программа имеет ошибку сегментации при использовании последовательной модели keras, по крайней мере...

Я потратил несколько недель, пытаясь написать код Tensorflow уровня Python, который мог бы напрямую...

Я пытаюсь создать простой обучающий агент для подкрепления, который получает награду из внешнего...

Справочная информация: я использую DQN и DDPG для одновременного решения двух задач state(input)...

У меня есть модель, состояние которой зависит от нескольких действий;Я могу принять один параметр в...

У меня есть агентская модель для моделирования доставки посылки с использованием 7 грузовиков

У меня есть более или менее стандартная реализация DQN, решающая «прорыв» Atari (из курса обучения...

Могу ли я получить состояние рендеринга камеры с точки зрения глаз агента (в качестве визуальных...

Я пытаюсь создать среду для тренировок openAI для мира из четырех комнат для реализации...

Я пытаюсь обучить Echo State Network для генерации текста со стохастической оптимизацией по линии...

У меня проблемы с реализацией алгоритмов обучения с подкреплением (RL) в стиле тензорного потока в...

Я пытаюсь реализовать алгоритм ограниченного PPO для классической задачи управления, такой как...

Я знаю, что Dec-POMDP (Децентрализованный-POMDP) ​​является NEXP-завершенным для конечных временных...

Я пытаюсь построить автоэнкодер, приспособить его к данным наблюдений и использовать потерю в...

ValueError: could not broadcast input array from shape (60,60,2) into shape (1) Я пытался каким-то...

Я пытаюсь смоделировать карточную игру UNO как частично наблюдаемые марковские процессы принятия...

Читая газету Радуга из DeepMind, я застрял на следующем тексте в разделе «Экспериментальные...

Я строю алгоритм обучения подкрепления актера-критика для решения окружения. Я хочу использовать...

Я успешно установил MuJoCo в моей системе. Задача состоит в том, чтобы заставить робота-гуманоида...

Мне интересно, как на самом деле работает дисконтирование вознаграждений за обучение подкреплению.Я...

В чем разница между tf.keras.layers.Dense и tf.layers.Dense?Почему-то у меня DQN только сходимость...

Я реализовал q обучающий алгоритм, в котором агент пытается путешествовать как можно дальше.Я...

Для обучения я случайным образом генерирую сетку со значениями формы N, содержащими 0 и 1....

В настоящее время я пытаюсь реализовать алгоритм SARSA, как описано в Саттоне, Барто, «Обучение...