注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. GUI神经网络强化学习Matlab程序

  2. This brings up a window with all the displays and buttons. Pull down the "Run" menu at top of window and select "Start". From then on you may click on the "update" buttons and change the text in the text boxes as often as you like. When done, select

  3. 所属分类：其它

    • 发布日期：2014-03-20
    • 文件大小：20480
    • 提供者：u014233659

  1. 强化学习matlab代码

  2. 关于迷宫类的强化学习（Q-learning）matlab完整代码

  3. 所属分类：其它

    • 发布日期：2014-08-11
    • 文件大小：2048
    • 提供者：u012048284

  1. 强化学习 Q-learning

  2. 智能Agent 的主要特征之一就是能够适应未知环境，而在这一过程中，主动学习是至关重要的。在机器学习领域，大致可以将学习分为监督学习、非监督学习和强化学习3 大类。

  3. 所属分类：其它

    • 发布日期：2014-08-17
    • 文件大小：420864
    • 提供者：liyuelong126com

  1. 增强学习教程

  2. 英文版的教程，没有复杂的数学公式。入门必读。可以配合我的博客http://blog.csdn.net/bdss58/article/details/39338961中的例子，来学习增强学习。

  3. 所属分类：讲义

    • 发布日期：2014-12-05
    • 文件大小：103424
    • 提供者：bdss58

  1. 增强学习教程2

  2. 英文教程，没有复杂的数学公式。可以结合我的博客http://blog.csdn.net/bdss58/article/details/39338961中的例子学习

  3. 所属分类：讲义

    • 发布日期：2014-12-05
    • 文件大小：32768
    • 提供者：bdss58

  1. 强化学习算法教程

  2. 英文教程。可以结合我的博客http://blog.csdn.net/bdss58/article/details/39338961中的例子学习。

  3. 所属分类：讲义

    • 发布日期：2014-12-05
    • 文件大小：32768
    • 提供者：bdss58

  1. Deep Reinforcement Learning Hands-On

  2. 本书做到了理论和实践的平衡，既教你怎么做，又教你为什么，可能是最好的强化学习手册了。Deep Reinforcement Learning Hands-On是最新DL工具及其局限性的综合指南。本书介绍了RL的基础知识，为你提供编码智能学习智能体的专业知识，以承担一系列艰巨的实际任务。了解如何在“网格世界”环境中实施Q-learning，教你的智能体商购买和交易股票，并了解自然语言模型如何推动聊天机器人的繁荣。

  3. 所属分类：机器学习

    • 发布日期：2019-05-20
    • 文件大小：12582912
    • 提供者：wy443424238

  1. Deep Learning with Keras+标签完整无水印+文字可编辑复制

  2. Implement neural networks with Keras on Theano and TensorFlow The book presents more than 20 working deep neural networks coded in Python using Keras, a modular neural network library that runs on top of either Googles TensorFlow or Lisa Labs Thea

  3. 所属分类：机器学习

    • 发布日期：2019-05-23
    • 文件大小：56623104
    • 提供者：nwpuhtxy2010

  1. Python Reinforcement Learning Projects - 2018.pdf

  2. Can You Train a Dog to Sit? If so, You Can Master Reinforcement Learning in No time! Welcome to the world of reinforced learning. This is a world where self-driving cars can be seen on real roads, where programs can beat world champions, where robot

  3. 所属分类：机器学习

    • 发布日期：2019-07-22
    • 文件大小：29360128
    • 提供者：benjamin_blue

  1. Reinforcement-Learning:使用OpenAI Gym和自定义模拟器的深度Q网络和深度确定性策略梯度-源码

  2. 强化学习 深度Q网络和深度确定性策略梯度 使用Python 肖恩·桑吉尔·金（Sean Sungil Kim） 使用自定义模拟器的DDPG结果：

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：147456
    • 提供者：weixin_42097557

  1. Reinforcement-Learning-Materials-源码

  2. 强化学习材料 AAMAS 2020 4任务分配策略的异构机器人队[ ] [英文博客] 5多代理协议的提炼[ ] 多代理 代理建模代理 169深度强化学习中的对手建模[ ] 170在多智能体强化学习中对他人进行自我建模[ ] 171用于多Agent系统的深度策略推理Q网络[ ] 173自我学习中的深度强化学习[ ] 174心理机器理论[ ] 175致力于针对复杂性的有效检测和最佳响应[ ] 183健壮的多智能体强化学习[ ] 184针对[ ]的深层贝叶斯政策重用方

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：85983232
    • 提供者：weixin_42136477

  1. deep-reinforcement-learning-atari-pong:强化学习DQN算法的PyTorch在OpenAI Atari Pong游戏中的应用-源码

  2. Atari Pong中的深度强化学习算法 概括 此应用程序的目标是找出深度Q学习（DQN）在OpenAI环境中对Pong的Atari 1600游戏有多准确和有效。 在DQN之上，测试了对相同算法的其他改进，包括多步DQN，Double DQN和Dueling DQN。 从下图可以看出，基本DQN仅需玩约110场游戏即可达到类似于人的准确性，而经过300场游戏即可达到极高的准确性。 此项目中考虑的DQN改进版本显示出效率和准确性方面的一些改进。 基本DQN：第1集与第216集 环保环境 Atar

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：1048576
    • 提供者：weixin_42125867

  1. deep_q_learning:强化学习实验的集合。 目前，仅由Deep Q Learning组成，但willl最终包含其他人-源码

  2. 深度Q强化学习 描述 强化学习可以用作训练代理在给定环境下玩游戏的技术。 Q学习是强化学习的一种简单类型，由此创建了一个“ Q表”，其中包含AI对每个游戏状态下代理可使用的每个动作的“质量”（因此称为名称）的估计。 当代理人玩游戏并收集更多信息时，它将使用新的estimage更新Q表。 Q学习是简单而有效的，但不能扩展-在最简单的游戏中，除了所有最简单的游戏之外，状态空间（即环境状态的所有可能组合的数量）变得太大，以至于简单的查询表无法生效。 Q表实际上只是估算Q函数的一种方法。 即，将游戏状

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：14680064
    • 提供者：weixin_42128537

  1. docker-python-learning-源码

  2. 虚拟环境 制作虚拟环境 python3.9 -m venv .venv 激活虚拟环境 source .venv/bin/activate 停用虚拟环境 deactivate 码头工人 建立Docker映像 sudo docker build -t flask-test . 从镜像运行Docker容器 sudo docker run -d -v " $( pwd ) " /app:/app -p 5000:5000 --name flask-test flask-test 重新启动Dock

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：5120
    • 提供者：weixin_42139357

  1. machine-learning-uiuc：:desktop_computer:CS446：2018年Spring机器学习，伊利诺伊大学香槟分校-源码

  2. 目录： 课程信息： 机器学习的目标是构建可以适应数据并从中学习的计算机系统。 在本课程中，我们将涵盖三个主要领域： 判别模型 生成模型 强化学习模型 特别是，我们将介绍以下内容： 线性回归 逻辑回归 支持向量机 深网 结构化方法 学习理论 k均值 高斯混合 期望最大化 马尔可夫决策过程 Q学习 先决条件： Python中的概率，线性代数和熟练程度。 推荐文字： 讲师： Alexander Schwing，网站 Matus Telgarsky，网站 作业 作业1：简介+ Python-

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：250609664
    • 提供者：weixin_42168902

  1. 基于Q-learning算法的vEPC虚拟网络功能部署方法

  2. 针对虚拟化演进分组核心网（vEPC）环境下，现有虚拟网络功能（VNF）部署方法无法在优化时延的同时保证服务链部署收益的问题，提出一种改进的基于Q-1earning算法的vEPC虚拟网络功能部署方法。在传统0-1规划模型的基础上，采用马尔可夫决策过程建立了 vEPC 服务链部署的空间—时间优化模型，并设计了改进的Q-1earning算法求解。该方法同时考虑了空间维度下的EPC服务链虚拟映射和时间维度下的VNF生命周期管理，实现了VNF部署的收益—时延多目标优化。仿真结果表明，与其他VNF部署方法相

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38702339

  1. 无线网络中基于深度Q学习的传输调度方案

  2. 针对无线网络中的数据传输问题，提出一种基于深度Q学习（QL,Q learning）的传输调度方案。该方案通过建立马尔可夫决策过程（MDP,Markov decision process）系统模型来描述系统的状态转移情况；使用Q学习算法在系统状态转移概率未知的情况下学习和探索系统的状态转移信息，以获取调度节点的近似最优策略。另外，当系统状态的规模较大时，采用深度学习（DL,deep learning）的方法来建立状态和行为之间的映射关系，以避免策略求解中产生的较大计算量和存储空间。仿真结果表明，该

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：909312
    • 提供者：weixin_38534352

  1. Q-learning二维路径规划.rar

  2. Q学习在二维障碍环境下的路径规划，打开文件直接运行即可，傻瓜式操作。Q学习作为强化学习的入门算法在路径规划方面有着一定的效果。

  3. 所属分类：讲义

    • 发布日期：2021-04-02
    • 文件大小：54272
    • 提供者：weixin_43145941

  1. simple-q-learning-js-源码

  2. 简单的q学习js Q（状态，动作）= R（状态，动作）+ y * Max [Q（下一个状态，所有动作）] 在这里实现-> 学习的时候 结果 大约2年前写了这段代码

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：416768
    • 提供者：weixin_42117082

  1. Q-Learning_1D_ENV:Q学习算法适用于一维环境-源码

  2. 以Q-Table实作Q-Learning算法

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：2048
    • 提供者：weixin_42118770
« 1 2 3 4 5 67 8 9 10 11 ... 14 »