reinforcement-learning पर टैग किए गए जवाब

आर्टिफिशियल इंटेलिजेंस वेबसाइट ऑफ-पॉलिसी और ऑन-पॉलिसी लर्निंग को निम्नानुसार परिभाषित करती है: "एक ऑफ-पॉलिसी शिक्षार्थी एजेंट के कार्यों से स्वतंत्र रूप से इष्टतम नीति का मूल्य सीखता है। क्यू-शिक्षा एक ऑफ-पॉलिसी शिक्षार्थी है। एक ऑन-पॉलिसी शिक्षार्थी अन्वेषण चरणों सहित एजेंट द्वारा की जा रही नीति का मूल्य सीखता है। । …

78 machine-learning  reinforcement-learning  artificial-intelligence 

मैं खुद को सुदृढीकरण सीखने के बारे में सिखा रहा हूं, और रियायती इनाम की अवधारणा को समझने की कोशिश कर रहा हूं। तो इनाम यह बताने के लिए आवश्यक है कि कौन सा सिस्टम राज्य-एक्शन जोड़े अच्छा है, और कौन सा बुरा है। लेकिन मुझे समझ में नहीं आता …

43 machine-learning  reinforcement-learning 

कंप्यूटर लंबे समय तक "ब्रूट-फोर्स" -टेक्नीक का उपयोग करके शतरंज खेलने में सक्षम है, एक निश्चित गहराई तक खोज और फिर स्थिति का मूल्यांकन करता है। हालाँकि, अल्फा गो कंप्यूटर केवल पदों का मूल्यांकन करने के लिए एक एएनएन का उपयोग करता है (यह किसी भी गहराई से खोज नहीं …

32 neural-networks  deep-learning  reinforcement-learning  games 

मैं " इन रिइनफोर्समेंट लर्निंग। एन इंट्रोडक्शन " में निम्नलिखित समीकरण देखता हूं , लेकिन मैंने नीचे नीले रंग में हाइलाइट किए गए चरण का पालन नहीं किया है। यह कदम वास्तव में कैसे प्राप्त होता है?

32 expected-value  reinforcement-learning 

पर्यवेक्षित अध्ययन 1) एक मानव इनपुट और आउटपुट डेटा के आधार पर एक क्लासिफायरियर बनाता है 2) उस क्लासिफायरियर को डेटा के प्रशिक्षण सेट के साथ प्रशिक्षित किया जाता है 3) उस क्लासिफायर का परीक्षण डेटा के परीक्षण सेट के साथ किया जाता है 4) उत्पादन संतोषजनक है तो तैनाती …

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

सबसे प्रसिद्ध दस्यु एल्गोरिथ्म ऊपरी विश्वास बाध्य (यूसीबी) है जिसने एल्गोरिदम के इस वर्ग को लोकप्रिय बनाया। तब से मुझे लगता है कि अब बेहतर एल्गोरिदम हैं। वर्तमान सर्वश्रेष्ठ एल्गोरिथ्म (अनुभवजन्य प्रदर्शन या सैद्धांतिक सीमा के संदर्भ में) क्या है? क्या यह एल्गोरिथ्म कुछ अर्थों में इष्टतम है?

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

मैं समय श्रृंखला विश्लेषण करने की कोशिश कर रहा हूं और इस क्षेत्र में नया हूं। मेरे पास 2006-2009 की एक घटना की दैनिक गिनती है और मैं इसके लिए एक समय श्रृंखला मॉडल फिट करना चाहता हूं। यहां मैंने जो प्रगति की है वह है: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) …

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

बहुत अधिक गुस्सा पक्षी खेलने के बाद, मैंने अपनी रणनीतियों का पालन करना शुरू कर दिया। यह पता चला है कि मैंने प्रत्येक स्तर पर 3 स्टार प्राप्त करने के लिए एक बहुत ही विशिष्ट दृष्टिकोण विकसित किया है। इसने मुझे मशीन लर्निंग सिस्टम विकसित करने की चुनौतियों के बारे …

22 machine-learning  reinforcement-learning 

मैं हाल ही में "आवर्तक सुदृढीकरण सीखने" के शब्द पर आया हूं। मैं समझता हूं कि "पुनरावर्ती तंत्रिका नेटवर्क" क्या है और "सुदृढीकरण सीखना" क्या है, लेकिन "पुनरावृत्ति सुदृढीकरण सीखना" के बारे में अधिक जानकारी नहीं मिल सकी है। क्या कोई मुझे समझा सकता है कि एक "रिकरंट रिइनफोर्समेंट लर्निंग" …

20 machine-learning  reinforcement-learning 

SARSA और Q लर्निंग दोनों ही सुदृढीकरण सीखने वाले एल्गोरिदम हैं जो समान तरीके से काम करते हैं। सबसे महत्वपूर्ण अंतर यह है कि एसएआरएसए पॉलिसी पर है जबकि क्यू लर्निंग ऑफ पॉलिसी है। अद्यतन नियम इस प्रकार हैं: क्यू लर्निंग: 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)] सार्सा: 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)] जहां st,atst,ats_t,\,a_t और rtrtr_t राज्य हैं, …

19 reinforcement-learning 

अटारी वीडियो गेम ( यहां ) के लिए डीप क्यू-लर्निंग पर डीपमाइंड के पेपर में , वे प्रशिक्षण के दौरान अन्वेषण के लिए एप्सिलॉन-लालची विधि का उपयोग करते हैं। इसका मतलब यह है कि जब प्रशिक्षण में एक कार्रवाई का चयन किया जाता है, तो इसे या तो उच्चतम q- …

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

सुदृढीकरण सीखने का अध्ययन करते समय, मैं इनाम समारोह के कई रूपों में आया हूं: , , और यहां तक ​​कि एक इनाम फ़ंक्शन जो केवल वर्तमान स्थिति पर निर्भर करता है। यह कहने के बाद, मुझे एहसास हुआ कि एक इनाम समारोह को 'परिभाषित' या 'परिभाषित' करना बहुत आसान …

18 machine-learning  reinforcement-learning 

क्यू-क्यू के नाम पर अक्षर Q को क्यों चुना गया? अधिकांश पत्रों को एक संक्षिप्त नाम के रूप में चुना जाता है, जैसे कि नीति के लिए खड़ा होता है और मूल्य के लिए खड़ा होता है। लेकिन मुझे नहीं लगता कि Q किसी शब्द का संक्षिप्त नाम है।वीππ\pivvv

17 terminology  reinforcement-learning  history  q-learning 

ऐसा लगता है कि पर्यवेक्षित अधिगम की परिभाषा एक विशेष प्रकार के रिवार्ड फंक्शन के साथ सुदृढीकरण सीखने का एक उप-समूह है, जो कि लेबल डेटा पर आधारित है (जैसा कि पर्यावरण में अन्य जानकारी के विपरीत है)। क्या यह एक सटीक चित्रण है?

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

मल्टी-आर्म बैंडिट्स उस स्थिति में अच्छी तरह से काम करते हैं, जहां आपके पास विकल्प हैं और आप सुनिश्चित नहीं हैं कि कौन सा आपकी भलाई को अधिकतम करेगा। आप कुछ वास्तविक जीवन स्थितियों के लिए एल्गोरिथ्म का उपयोग कर सकते हैं। एक उदाहरण के रूप में, सीखना एक अच्छा …

15 algorithms  reinforcement-learning  multiarmed-bandit