«reinforcement-learning» etiketlenmiş sorular

Yapay zeka web sitesi politika dışı ve politika dışı öğrenmeyi şu şekilde tanımlamaktadır: "Politika dışı bir öğrenci, aracı kurumun eylemlerinden bağımsız olarak en uygun politikanın değerini öğrenir. Q-öğrenme, politika dışı bir öğrencidir. Politikaya dayalı bir öğrenci, araştırma adımları dahil olmak üzere, aracı tarafından yürütülen politikanın değerini öğrenir ." Bu konudaki …

78 machine-learning  reinforcement-learning  artificial-intelligence 

Kendimi takviye öğrenmeyi öğretiyorum ve indirimli ödül kavramını anlamaya çalışıyorum. Bu nedenle, sisteme hangi devlet-eylem çiftlerinin iyi, hangilerinin kötü olduğunu söylemek için ödül gereklidir. Fakat anlamadığım, neden indirimli ödülün gerekli olduğudur. Niçin iyi bir duruma, daha sonra değil, kısa sürede ulaşılması önemli olsun? Bunun bazı özel durumlarda konuyla ilgili olduğunu …

43 machine-learning  reinforcement-learning 

Bilgisayarlar uzun zamandır "kaba kuvvet" tekniğini kullanarak, belirli bir derinliği araştırarak ve daha sonra konumunu değerlendirerek satranç oynayabildiler. Ancak AlphaGo bilgisayarı, pozisyonları değerlendirmek için sadece bir YSA kullanıyor (bildiğim kadarıyla derinlemesine arama yapmıyor). AlphaGo'nun Go ile oynadığı gibi satranç oynayan bir satranç motoru oluşturmak mümkün mü? Neden kimse bunu yapmadı? …

32 neural-networks  deep-learning  reinforcement-learning  games 

Aşağıdaki denklemi " Takviye Öğrenmede. Giriş " bölümünde görüyorum , ancak aşağıda mavi olarak vurguladığım adımı tam olarak takip etmeyin. Bu adım tam olarak nasıl elde edilir?

32 expected-value  reinforcement-learning 

Denetimli öğrenme 1) İnsan, girdi ve çıktı verilerine dayalı bir sınıflandırıcı oluşturur. 2) Bu sınıflandırıcı bir veri eğitim seti ile eğitilmiştir. 3) Bu sınıflandırıcı bir veri test seti ile test edilmiştir. 4) Çıktı tatmin edici ise dağıtım "Bu verileri nasıl sınıflandıracağımı biliyorum, sıralamanız için yalnızca size (sınıflandırıcı) ihtiyacım var." Yöntem …

30 machine-learning  unsupervised-learning  supervised-learning  reinforcement-learning 

En iyi bilinen haydut algoritması, bu algoritma sınıfını popülerleştiren üst güven sınırıdır (UCB). O zamandan beri daha iyi algoritmalar olduğunu varsayıyorum. Mevcut en iyi algoritma nedir (deneysel performans veya teorik sınırlar açısından)? Bu algoritma bir anlamda en uygun mudur?

27 machine-learning  algorithms  theory  reinforcement-learning  multiarmed-bandit 

Zaman serisi analizi yapmaya çalışıyorum ve bu alanda yeniyim. 2006-2009 yılları arasında günlük bir etkinlik sayım var ve buna bir zaman serisi modeli uydurmak istiyorum. İşte kaydettiğim ilerleme: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) Sonuçta elde ettiğim komplo: Verilerde mevsimsellik ve eğilim olup olmadığını doğrulamak için bu yazıda belirtilen adımları takip ediyorum …

24 r  time-series  seasonality  multiple-seasonalities  tbats  hypothesis-testing  beta-distribution  machine-learning  unsupervised-learning  supervised-learning  reinforcement-learning 

Çok fazla Angry Birds oynadıktan sonra kendi stratejilerimi izlemeye başladım. Her seviyede 3 yıldız almak için çok özel bir yaklaşım geliştirdiğim ortaya çıktı. Bu beni Angry Birds oynayabilecek bir makine öğrenme sistemi geliştirmenin zorlukları hakkında merak etti. Oyun ile etkileşime girme ve kuşları başlatma önemsizdir. Ancak sahip olduğum tek soru …

22 machine-learning  reinforcement-learning 

Geçenlerde "Tekrarlayan Takviye Öğrenme" kelimesiyle karşılaştım. "Tekrarlayan Sinir Ağı" nın ne olduğunu ve "Takviye Öğrenme" nin ne olduğunu anlıyorum, ancak "Tekrarlayan Takviye Öğrenme" nin ne olduğu hakkında fazla bilgi bulamadım. Birisi bana "Tekrarlayan Takviye öğrenme" nedir ve "Tekrarlayan Takviye öğrenme" ile Q-Öğrenme algoritması gibi normal "Takviye öğrenme" arasındaki farkın ne …

20 machine-learning  reinforcement-learning 

SARSA ve Q Learning benzer şekilde çalışan pekiştirici öğrenme algoritmalarıdır. En çarpıcı fark, Q Learning politika dışındayken SARSA'nın politikada olmasıdır. Güncelleme kuralları aşağıdaki gibidir: Q Öğrenme: Q(st,at)←Q(st,at)+α[rt+1+γmaxa′Q(st+1,a′)−Q(st,at)]Q(st,at)←Q(st,at)+α[rt+1+γmaxa′Q(st+1,a′)−Q(st,at)]Q(s_t,a_t)←Q(s_t,a_t)+α[r_{t+1}+γ\max_{a'}Q(s_{t+1},a')−Q(s_t,a_t)] SARSA: Q(st,at)←Q(st,at)+α[rt+1+γQ(st+1,at+1)−Q(st,at)]Q(st,at)←Q(st,at)+α[rt+1+γQ(st+1,at+1)−Q(st,at)]Q(s_t,a_t)←Q(s_t,a_t)+α[r_{t+1}+γQ(s_{t+1},a_{t+1})−Q(s_t,a_t)] burada st,atst,ats_t,\,a_t ve rtrtr_t durum, eylem ve ttt adımında ödül ve γγ\gamma bir indirim faktörüdür. SARSA'da gerçek eylemi gerçekleştirmemiz ve Q …

19 reinforcement-learning 

DeepMind'in Atari video oyunları için Deep Q-Learning ( burada ) makalesinde, eğitim sırasında keşif için epsilon açgözlü bir yöntem kullanıyorlar. Bu, eğitimde bir eylem seçildiğinde, en yüksek q değerine sahip eylem veya rastgele bir eylem olarak seçildiği anlamına gelir. Bu ikisi arasında seçim yapmak rastgele ve epsilon'un değerine dayalıdır ve …

18 machine-learning  reinforcement-learning  q-learning  deep-rl 

Takviye Öğrenimi üzerinde çalışırken, ödül fonksiyonunun birçok formuyla karşılaştım: R(s,a)R(s,a)R(s,a) , R(s,a,s′)R(s,a,s′)R(s,a,s') ve hatta sadece mevcut duruma bağlı bir ödül fonksiyonu. Bunu söyledikten sonra, bir ödül fonksiyonu 'yapmanın' veya 'tanımlamanın' çok kolay olmadığını fark ettim. Sorularım: Ödül işlevlerinin nasıl yapılacağına dair kurallar var mı? Ödül fonksiyonunun başka formları var mı? …

18 machine-learning  reinforcement-learning 

Neden Q harfi Q-öğrenme adına seçildi? Çoğu harfler gibi bir kısaltma olarak seçilmiştir ππ\pi politikası ve için ayakta vvv değeri simgeler. Ama Q'nun herhangi bir kelimenin kısaltması olduğunu düşünmüyorum.

17 terminology  reinforcement-learning  history  q-learning 

Denetimli öğrenmenin tanımı , etiketli verilere (çevredeki diğer bilgilerin aksine) dayalı belirli bir ödül fonksiyonu ile pekiştirici öğrenmenin bir alt kümesidir . Bu doğru bir tasvir mi?

16 machine-learning  terminology  reinforcement-learning  supervised-learning  definition 

Çok kollu haydutlar, seçenekleriniz olduğu ve hangisinin sağlığınızı en üst düzeye çıkaracağından emin olmadığınız durumlarda iyi çalışır. Algoritmayı bazı gerçek yaşam durumları için kullanabilirsiniz. Örnek olarak, öğrenme iyi bir alan olabilir: Bir çocuk marangozluk öğreniyorsa ve bu konuda kötü ise, algoritma ona muhtemelen devam etmesi gerektiğini söyleyecektir. Eğer bu konuda …

15 algorithms  reinforcement-learning  multiarmed-bandit