强化学习 初印象

最新推荐文章于 2025-11-30 18:24:05 发布
原创 最新推荐文章于 2025-11-30 18:24:05 发布 · 195 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#强化学习 #人工智能

本文分享了参加《强化学习7日打卡营》的心得体会，强调了该课程对初学者的友好性，并介绍了强化学习的基本概念，包括其灵感来源、与其他机器学习的关系、分类及框架环境。文中提到了PARL框架和GYM环境，为读者提供了学习资源。

感谢《强化学习7日打卡营》提供了对初学者这么友好的课程，本文只是对课程内容的一些简单的感悟和笔记。大家感兴趣的话，可以去下面的链接自己完成课程的学习。
https://aistudio.baidu.com/aistudio/course/introduce/1335

基本概念

在这里插入图片描述
通过对未知环境的探索与试错来学习

强化学习灵感来源于心理学和行为学，通过与环境interaction来学习。每个人都是过去经验的总和，过去的经验造成现在的你。

两部分和三要素

在这里插入图片描述

与其他机器学习的关系

在这里插入图片描述

强化学习的分类

在这里插入图片描述

框架和环境

强化学习框架PARL
https://github.com/PaddlePaddle/PARL

GYM环境
https://gym.openai.com/envs/

logicTT
关注
强化学习学习总结（二）——QLearning算法更新和思维决策
Raoodududu的博客
09-30 9669
QLearning        QLearning并没有直接将这个Q值（q_target是估计值）直接赋予新的Q，而是采用渐进的方式类似梯度下降，朝target迈近一小步，取决于α,这就能够减少估计误差造成的影响。类似随机梯度下降，最后可以收敛到最优的Q值。  一、QLearning算法思维   二、QLearning算法更新思维   1.导入模块 from maze...
学习心得-强化学习【贝尔曼公式】
weixin_45739351的博客
03-12 1298
强化学习基础笔记
强化学习心得体会
chenchen1217的博客
06-26 2352
强化学习心得体会 非常有幸在今年6月16日至6月23日参加百度举办的强化学习7日打卡营。由NeurIPS全球顶级冠军团队授课，带你从零实践强化学习。课程是在bilibili上直播授课，科老师和班主任都是人美声甜有实力。接下来进入正题，下面是我上这门课的一些体会和感悟吧。 强化学习 强化学习是机器学习的方法之一，强化学习主要强调基于环境而行动，与环境交互的过程中通过学习策略的达到回报最大化或实现特定目标的问题。 学习到的算法 在本次培训中，我们一类强化学习算法，主要包括基于模型和无模型的两类算法。基于模型的算
强化学习（RL）初印象
梁小憨憨的博客
10-07 579
学习百度AI Studio的笔记，供自己复习和记录学习过程中的思路使用，如想了解详情请移步百度AI Studio 强化学习（RL）初印象前言 什么是智能/人工智能Part1 什么是强化学习Part2 强化学习的分类Part3 强化学习能做什么Part4 强化学习与监督学习的区别Part5 强化学习如何解决问题Part6 强化学习的算法和环境Part7 本篇总述 前言 什么是智能/人工智能 Part1 什么是强化学习 强化学习（英语：Reinforcement learning，简称RL） 是机器学习
强化学习七日心得
Cancer_Mo的博客
06-25 607
强化学习七日心得 参加了飞桨深度学习学院的”强化学习7日打卡营-世界冠军带你从零实践“课程，接触到了强化学习这个领域。过程中，科科老师带我们学习了强化学习的思想，并使用PARL框架做了若干实践。今天简单的总（结）结（课）一（任）下（务）。 课程整体框架 课程由浅入深，循序渐进。 1.强化学习（RL）初印象 2.基于表格型方法求解RL 3基于神经网络方法求解RL 4.基于策略梯度求解RL 5.连续动作空间上求解RL。 从逻辑上，递进地讲述了针对四个强化学习问题的解决：离散状态空间、连续状态空间、随机性策略、连
强化学习初印象
zourzh123的专栏
08-11 764
        由于工作需要，今天要了解一下强化学习。虽然之前Alpha Go和星际游戏的AI新闻让我对强化学习如雷贯耳，但从来没有想到过和自己联系在一起。机器学习有本好书是周志华的《机器学习》，通俗易懂，正好最后一个章节就是讲的是强化学习，觉得是比较适合自己的入门好资料。果然，通读之后对强化学习的基本概念和算法有了个初印象，感觉很有收获，不过为了以后查阅方便，在这里算作笔记吧。 1. 强化学习...
（飞桨）强化学习7日打卡营——强化学习（RL）初印象
weixin_41773555的博客
06-18 417
Part1 什么是强化学习 强化学习（英语：Reinforcement learning，简称RL）是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。 核心思想：智能体agent在环境environment中学习，根据环境的状态state（或观测到的observation），执行动作action，并根据环境的反馈 reward（奖励）来指导更好的动作。 Part2 强化学习能做什么 游戏（马里奥、Atari、Alpha Go、星际争霸等） 机器人控制（机械臂、机器人、自动驾驶、四
从零实践强化学习之RL初印象(GYM+PARL)
zbp_12138的博客
06-17 1779
昨天听了曾两度夺得NeurIPS强化学习赛事冠军的飞桨强化学习PARL团队核心成员科老师的课程,不得不说,满满的干货,于是今天打算再看一遍回放,并好好地做一下笔记。 在学习强化学习之前,我们先思考一下,我们想追求的智能是什么? 人类追求的智能是什么? 对人类来说,人的智能可以分为两部分: 一小部分是天生遗传的 绝大部分是要依靠我们出生之后的努力学习 后天的学习一般分两种: 一种是有前人的经验了，我们直接模仿，依葫芦画瓢。 另一种是没有任何的经验，我们只能在摸索中去前进和环境交互、探索 举个例子，一个
【学习笔记】Lesson1-强化学习(RL)初印象（强化学习7日打卡营-世界冠军带你从零实践）
Kevin Pang的博客
06-23 426
Lesson1-强化学习(RL)初印象 1 什么是强化学习 1.1 核心思想 智能体agent在环境environment中学习，根据环境的状态state，执行动作action，并根据环境的反馈reward（类似于现实生活的奖励）来指导更好的动作。 关键词： 2 part: agent, environment 3 factors: state/observation, action, reward 两大特点： 强环境交互，强决策性 奖励延迟 1.2 一个有趣的示例 代码可参考PARL目录：
深度强化学习初窥之DQN
mijiaoxiaosan的博客
10-26 4914
最近对强化学习特别是深度强化学习做了一番了解，不像以前只是大概模模糊糊有个影子，为了加深印象，决定把相关内容记到这里。首先对强化学习做简要的介绍，之后介绍一下需要的相关背景知识，然后重点介绍一下深度Q学习（DQN）的算法理论以及实现过程。
强化学习的基础总结（一）
Bing's Blog
06-23 2035
强化学习的基础总结（一）@(Machine Learning)机器学习从大类上来分，可以有三种： 监督学习 无监督学习 强化学习 现在关注强化学习。强化学习泛泛来说，是一种决策方法。Q：强化学习的与众不同之处是什么？ A：有以下几点。 + 无监督。只有奖励信号。而不是监督学习中的标记空间。 + 延迟反馈。奖励系统针对的是行为(action),是一种对动态的评价。 + 时间很重要。强化学习是用
强化学习学习总结（四）——DQN
Raoodududu的博客
10-09 2427
一、def         如果我们的state与action很多，就如打砖块游戏，每个时间不同的砖块排列跟剩余都是不同的state，就会导致维度灾难。使用神经网络来 估算 这个 state 的值, 这样就不需要一张表了. 更新方式 二、算法更新 1、初始化replay memory D 容量为N  2、用一个深度神经网络作为Q值网络，初始化权重参数  3、设定游戏片段总数M  4...
强化学习入门总结
热门推荐
菜鸟很菜的专栏
10-13 14万+
目录 一、强化学习概述 1.强化学习简介 2.发展历程： 3.MDP（马儿可夫决策过程） 4.why RL？ 5.总结： 二、强化学习求解方法 1.动态规划方法 2.蒙特卡洛方法 3.时间差分方法 三、强化学习算法分类 1.分类一： 2.分类二： 3.分类三： 4.分类四： 四、代表性算法 1.Q-learning 2.Sarsa: 3.大名鼎鼎的DQN 4...
强化学习心得
weixin_47656588的博客
06-23 863
强化学习心得 [说明] 1.这是百度NeurIPS全球顶会冠军团队授课，带你从零实践强化学习。以下是自己的一些心得笔记，在这里分享出来，希望对大家有所帮助。 2.如果大家发现这篇文章的任何问题，欢迎与我联系。 Part1 1.什么是强化学习 强化学习是机器学习的范式和方法论之一，强调如何基于环境而行动，在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 2.强化学习相关算法 强化学习算法可分为基于模型和无模型两类。基于模型的算法用动态规划求解，包括：值迭代和策略迭代；而无模型的求解方法包
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1302
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1843
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
07_Spring AI 干货笔记之提示词
最新发布
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
11-30 1256
本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。
RAG信息检索全解析：从Embedding到Reranker的超详细教程1
Trb201013的博客
11-27 1549
文章介绍了RAG系统中信息检索环节的核心技术，包括文档段落嵌入和用户查询嵌入，将文本转换为向量表示；详细解释了相似度检索的多种方法，如Top-K检索、MMR策略和Reranker二次排序技术；强调了合理切分策略对嵌入效果的重要性，以及查询扩展技术对提高检索准确度的作用。指出RAG的本质是"开卷考试"，检索质量直接影响最终生成效果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值