【科普论文】强化学习:让人工智能学会“试错成长”的奥秘

强化学习:让机器自我试错,学会自主决策 强化学习是一种备受关注的机器学习方法,它通过让机器自我试错,学会在特定环境中做出最优决策,从而实现自主学习。强化学习在许多领域中都展现出了巨大的潜力,如游戏、自动驾驶、机器人控制等。未来随着技术的不断进步和应用场景的不断扩展相信强化学习将在更多领域发挥更大的作用并为我们的生活带来更多的便利和效益。 阅读详情

目录

1 引言:从训狗到人工智能

2 核心要素:理解强化学习的“五大支柱”

3 工作原理:智能体如何“学以致用”

4 强化学习的成功应用

5 挑战与未来方向

6 结论:在试错中成长的智慧


摘要:本文旨在以通俗易懂的方式阐述强化学习的核心原理、关键要素及应用价值。通过将强化学习比作“训练宠物”和“教婴儿学步”等生活化场景,系统解析其“状态-行动-奖励”的工作机制,并介绍其在游戏、机器人、推荐系统等领域的成功实践。文章认为,强化学习作为一种通过与环境交互来自主学习最优策略的机器学习方法,其“试错中成长”的范式是实现通用人工智能的关键路径之一。

关键词:强化学习;人工智能;试错学习;智能决策;奖励机制


1 引言:从训狗到人工智能

想象一下训练一只小狗学习“握手”的场景:你拿出零食(奖励),小狗伸出爪子(行动),你立即给予零食并抚摸夸奖(正面反馈)。经过多次练习,小狗明白“伸出爪子”这个动作能带来好处,于是学会了握手。这个过程中,小狗没有人教它具体该如何移动肌肉,而是通过不断尝试和观察结果,自己找到了获得奖励的最佳方式。

强化学习,就是让计算机程序(称为智能体)模仿这个学习过程的人工智能方法。它不需要人类告诉它每一步该怎么做,而是通过与环境互动,根据自己的行动结果来调整行为策略,最终自主学会完成复杂任务。

与需要大量标注数据的监督学习(像“有标准答案的学习”)不同,强化学习更像是“在实践中摸索成长”,这正是它能够在围棋、机器人控制等缺乏明确示范的领域取得突破的原因。

2 核心要素:理解强化学习的“五大支柱”

要理解强化学习,我们需要认识其五个核心组成部分,它们共同构成了智能体的学习框架:

2.1 智能体 - 学习的“主角”
智能体就是我们要训练的“大脑”,它可以是游戏中的角色、自动驾驶系统,或者工业机器人。它的任务就是学习如何行动。

2.2 环境 - 互动的“舞台”
环境是智能体所处的外部世界,包括一切它无法直接控制但可以感知的事物,比如围棋棋盘、道路状况或者用户的网页浏览历史。

2.3 状态 - 当前的“处境”
状态是环境在某个时刻的特定情况描述,比如在游戏中就是当前的屏幕画面,对于自动驾驶就是传感器感知到的周围车辆、行人和交通信号。

2.4 行动 - 做出的“选择”
行动是智能体在某个状态下能够采取的所有可能行为。比如围棋中的落子位置,或者机器人关节的转动角度。

5. 奖励 - 行为的“评分”
奖励是环境对智能体行动的直接反馈,通常是一个数值。正奖励表示“做得好”,负奖励表示“做得不好”。比如赢得游戏得+1分,撞墙得-1分。

表:强化学习五要素的生活化示例

要素训狗例子游戏例子自动驾驶例子
智能体小狗游戏中的角色自动驾驶系统
环境客厅游戏世界道路和交通
状态主人拿着零食站立当前的游戏画面传感器感知的周围环境
行动叫、坐、伸爪子移动、跳跃、攻击加速、刹车、转向
奖励得到零食(+1)/被忽视(0)得分(+1)/生命值减少(-1)安全行驶(+0.1)/危险驾驶(-10)
3 工作原理:智能体如何“学以致用”

强化学习的过程可以概括为“感知-决策-学习”的循环:

3.1 探索与利用的平衡
这是强化学习中最核心的权衡。探索是尝试新行动,看看是否能发现更好的策略;利用是坚持已知的有效行动以获得稳定奖励。就像选择餐厅:是去熟悉的老店(利用),还是冒险尝试新开的餐厅(探索)?好的智能体需要在这两者间找到平衡。

3.2 价值函数 - 预见性的“眼光”
智能体不仅关心即时奖励,更关注长期累积回报。价值函数就是智能体对某个状态或行动长期价值的预估。比如,虽然写作业没有即时快乐(奖励低),但好成绩带来的长期收益(价值高)促使我们坚持学习。

3.3 策略 - 行为的“指南针”
策略是智能体在特定状态下选择行动的规则。学习的过程就是不断优化这个策略,使其能获得最大长期回报。

4 强化学习的成功应用

4.1 游戏领域的巅峰表现
DeepMind的AlphaGo通过强化学习战胜人类围棋冠军,AlphaStar在《星际争霸II》中达到职业选手水平。它们通过数百万局的自我对弈(探索),不断优化下棋策略。

4.2 机器人控制的精细操作
机器人学习走路、抓取物体等技能时,强化学习让它通过反复尝试,自主发现最稳定、最高效的动作组合,而不需要工程师手动编程每个动作。

4.3 个性化推荐系统
在电商和视频平台中,推荐系统可以看作智能体,用户是环境,“点击”是正奖励,“跳过”是负奖励。系统通过不断调整推荐策略,最大化用户的满意度和停留时间。

4.4 自动驾驶决策规划
自动驾驶系统通过强化学习,在模拟环境中学习如何安全、高效地驾驶,处理各种复杂交通场景。

5 挑战与未来方向

尽管取得显著成就,强化学习仍面临挑战:

  • 样本效率低:需要大量试错才能学习,如同人类需要多年练习才能掌握技能

  • 奖励设计困难:设计合适的奖励函数需要专业知识,奖励过简或过繁都会影响学习效果

  • 安全性问题:在现实世界中探索可能带来风险,如自动驾驶汽车在学习中发生事故

未来,强化学习正朝着以下方向发展:

  1. 与深度学习的深度结合(深度强化学习),提升处理复杂状态的能力

  2. 模仿学习,通过观察专家示范加速初期学习

  3. 元学习,让智能体学会“如何学习”,快速适应新任务

  4. 多智能体强化学习,研究多个智能体在共享环境中的协作与竞争

6 结论:在试错中成长的智慧

强化学习的核心魅力在于它模仿了生物最自然的学习方式——在试错中积累经验,在反馈中调整行为。它不追求一步到位的完美,而是在持续的与环境互动中逐步优化,最终找到解决问题的卓越策略。

正如婴儿通过跌倒学会走路,科学家通过失败积累经验,强化学习智能体通过数百万次尝试掌握超人的技能。这种“从交互中学习”的范式,不仅推动了人工智能技术的发展,更为我们理解智能的本质提供了宝贵启示。在通往更通用人工智能的道路上,强化学习必将扮演愈发重要的角色。

 相关链接

强化学习:让人工智能学会“试错成长”的奥秘-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153109213?spm=1001.2014.3001.5501

强化学习:让人工智能在“试错“中成长的科学-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153109284?spm=1001.2014.3001.5501

深度强化学习前沿进展:从单一智能到群体智能的演进之路-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153109341?sharetype=blogdetail&sharerId=153109341&sharerefer=PC&sharesource=matlab_python22&spm=1011.2480.3001.8118

强化学习的成功应用场景:从虚拟智能到实体世界的革命性跨越-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153109721?sharetype=blogdetail&sharerId=153109721&sharerefer=PC&sharesource=matlab_python22&spm=1011.2480.3001.8118

大模型与强化学习:谁是未来?—— 一场关于智能本质的协同进化-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153109117?spm=1001.2014.3001.5501

强化学习在交通领域的应用场景与赋能价值研究-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153109880?sharetype=blogdetail&sharerId=153109880&sharerefer=PC&sharesource=matlab_python22&spm=1011.2480.3001.8118[场景篇] 强化学习在地铁与铁路中的关键应用场景-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153110014?sharetype=blogdetail&sharerId=153110014&sharerefer=PC&sharesource=matlab_python22&spm=1011.2480.3001.8118

【原理篇】强化学习前沿发展:原理、挑战与融合范式研究-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153110424?spm=1001.2014.3001.5502

【原理篇】强化学习的原理:从马尔可夫决策到智能决策的范式-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153110302?sharetype=blogdetail&sharerId=153110302&sharerefer=PC&sharesource=matlab_python22&spm=1011.2480.3001.8118【算法篇】强化学习的历史发展进程:从行为主义心理学到通用人工智能-优快云博客https://blog.youkuaiyun.com/matlab_python22/article/details/153110540?sharetype=blogdetail&sharerId=153110540&sharerefer=PC&sharesource=matlab_python22&spm=1011.2480.3001.8118

强化学习:通过试错学习最优策略---示例:使用Q-Learning解决迷宫问题 强化学习(Reinforcement Learning, RL)是一种让智能体(agent)在与环境交互的过程中,通过最大化某种累积奖励来学习如何采取行动的学习方法。它适用于那些需要连续决策的问题,比如游戏、自动驾驶和机器人控制等。 阅读详情

相关推荐

Windows下Colmap编译安装全攻略:从Boost到CUDA的避坑指南

本文详细介绍了在Windows系统下编译安装Colmap三维重建工具的完整流程与实战经验。针对Boost库版本兼容性、CUDA与Visual Studio的版本匹配等常见难题提供了具体的避坑指南和解决方案,帮助开发者高效完成从环境配置到最终部署的全过程。

weixin_28235513的博客 199

强化学习:从试错中变聪明的AI魔法

强化学习可以理解为一种**从试错中学习**的智能方法——就像小孩学走路:一开始跌跌撞撞(随机尝试),摔倒了会疼(负面反馈),站稳了会开心(正面反馈),慢慢就摸索出“先迈哪只脚、怎么保持平衡”的最优姿势。

lihuayong的专栏 773

Windows与Linux安装miniconda并启动python项目及指令

官方介绍:Miniconda 是 conda 的免费最小安装程序。它是 Anaconda 的一个小型引导版本,仅​​包含 conda、Python、它们都依赖的包以及少量其他有用的包(例如 pip、zlib 等)。如果您需要更多软件包,请使用该 命令从 Anaconda 公共存储库或其他渠道(例如 conda-forge 或 bioconda)默认提供的数千个软件包中进行安装。minicoda下载地址最好挂个梯子。如果你需要指定版本的conda,可以在这里下载历史版本的miniconda。

一直走的很慢的鸭子 3191

深度强化学习--试错法和奖励延迟机制

1、疑问: 神经网络中对试错法机制的错误理解: 神经网络的参数训练方式是通过试错法进行的,因为神经网络进行学习就是利用学习过程中的错误信息来更新网络参数的。 (为什么这样理解有问题,还需要自己思考) 书中说的是错误地理解了试错法学习的原理和机制 2、强化学习并不是输入一个状态,模型就映射到一个动作(这是传统的机器学习的方法)。强化学习是通过应用这些映射动作,得到一系列的反馈奖励值,然后从中选出最...

zhf的博客 5810

炉石传说游戏系统拆解和部分系统分析

一.游戏综述 《炉石传说:魔兽英雄传》是一款由暴雪娱乐公司出品的策略类卡牌游戏。中国大陆地区的独家运营由网易公司代理。2014年3月13日全球同步正式运营。游戏背景设定于暴雪的魔兽系列,共十位魔兽中的角色作为十种不同的职业。而玩家要做的,就是根据己方现有的卡牌组建合适的卡组,指挥英雄,驱动随从,施展法术,与游戏好友或素不相识的对手一决高下。 二.游戏系统拆解图 三.游戏系统部分分析 1. 对战系统 (1)战斗准备 炉石传说开始前都需要配置至少30张卡牌作为出战卡组 .....

Jimmy72236的博客 4926

Curve+ 5.0.2:新一代色彩校准工具如何革新印刷行业标准

Curve+ 5.0.2作为新一代色彩校准工具,通过G7+校准算法和SCTV技术革新了印刷行业的色彩管理标准。该工具显著提升色彩精准度,减少打样时间和材料浪费,支持专色处理,实现跨材质色彩一致性,为印刷企业带来效率与质量的全面提升。

weixin_29228781的博客 529

深入浅出强化学习_深入浅出强化学习:原理入门--勘误表

距离第一本书《深入浅出强化学习:原理入门》的出版已经有一年多了,首先非常感谢大家对这本书的支持,同时也向大家道歉这本书中出现的一些排版和编辑上的错误。说实话,书出版后我看到过各种各样的评论,有赞美的、也有批判的。对于赞美的读者,我很欣慰能帮助到他们;对于批判的读者,我则是很抱歉,也很内疚。所以很长一段时间不敢再去看网上的评论。后来,心境平和后,又认真看了那些批判的评论,其实很客观的说,这些批判的评...

weixin_39524959的博客 203

超详细流式细胞术全流程解析:从样本制备到结果分析全攻略

流式细胞术(Flow Cytometry)是现代生物学和医学研究中不可或缺的高通量分析技术,可实现对细胞表型、功能状态、细胞周期等多维度参数的快速检测。本文将从实验全流程出发,详解样本制备、上机操作、参数设置及结果处理的核心要点,帮助科研人员精准掌握流式实验关键技术。

good_rrrrr的博客 3868

【科普论文】强化学习:让人工智能在“试错“中成长的科学

文章将强化学习比作"训练宠物"和"教婴儿学步"的过程,阐述其"尝试-反馈-优化"的核心机制,并探讨该技术在游戏AI、自动驾驶、个性化推荐等领域的具体实践。在这个人工智能快速发展的时代,理解强化学习不仅能帮助我们把握技术脉搏,更能让我们重新思考学习的本质——无论是机器还是人类,真正的智慧都源于勇于尝试、善于总结的勇气和能力。与需要标准答案的"监督学习"不同,强化学习更像人类的学习方式——在尝试中积累经验,在失败中吸取教训。环境在某个时刻的具体情况,比如游戏中的当前画面,或者自动驾驶中传感器感知到的周围环境。

matlab_python22的博客 612

性能优化-高通cDSP(QDSP6)架构详解

高通cDSP开发的商业价值30秒快速认识高通cDSP开发的商业价值【高通cDSP旨在处理一些简单但需要大量计算的场景,如图像处理、科学计算、AI训练、计算机视觉等。这些场景使用CPU来运算会极大的降低CPU的吞吐量,因此利用现代寄存器较宽的特性设计出了适配数据并行的DSP芯片,cDSP就是典型的代表。利用cDSP+CPU既可以满足一般的使用场景,也可以完成现代图像和视频数据的处理。

发狂的小花的博客 5944

基于STM32、HAL库的ICP-20100气压传感器 驱动程序设计

它具有低功耗、高精度、快速响应等特点,非常适合物联网、可穿戴设备和无人机等应用。#define ICP20100_FIFO_CTRL 0x09 // FIFO控制寄存器。#define ICP20100_FIFO_DATA 0x0A // FIFO数据寄存器。#define ICP20100_FIFO_STS 0x0B // FIFO状态寄存器。#define ICP20100_FIFO_WTM 0x15 // FIFO水印设置。

corlin6688的博客 600

像了解自己一样,了解AI:带你看懂人工智能的“身体构造“

AI科普指南:用"人体构造"类比轻松理解30+核心概念 IT解决方案架构师dtsola用通俗易懂的类比方式,将复杂AI概念转化为人体系统功能:基础架构如骨骼神经网络(深度学习、机器学习);大脑发育对应不同学习模式(监督/无监督/强化学习);感官系统包含语言理解(LLM、GPT)、视觉能力(计算机视觉)和创造力(生成式AI);技能训练涉及沟通技巧(提示词工程)和行动力(AI Agent)。文章还介绍了AI在艺术创作(Stable Diffusion)、编程辅助(Copilot)等场景的应用

1735

Python 爬虫实战:爬取去哪儿网酒店评价,提取住宿体验关键词

本文介绍了基于去哪儿网酒店评价数据的爬取与分析方法。首先通过分析网页结构和数据加载机制,定位到评价数据的JSON接口及关键参数。然后使用Python搭建爬虫环境,实现多页评价数据的批量采集与存储,并通过反爬策略确保数据获取的稳定性。在文本分析环节,采用jieba分词和TF-IDF算法提取高频关键词,结合词云可视化展示用户关注点。分析结果显示位置、服务、卫生是核心关注维度,同时识别出好评与差评的关键驱动因素。该方法为酒店服务优化和消费者决策提供了数据支持,并可通过扩展实现更深入的情感分析和竞品对比。

2503_91057718的博客 999

重磅!2024图灵奖颁给强化学习两位大神,AlphaGo、ChatGPT,DeepSeek背后功臣!

可能有些小伙伴对“强化学习”这个词还不太熟悉,这就来给大家科普一下:简单来说,强化学习就像训练小动物一样,通过奖励和惩罚来引导智能体学习,让它在与环境的互动中不断试错、改进,最终学会完成特定任务。•可以理解为我们想要训练的AI程序,比如下棋的AI、聊天机器人等。•智能体所处的世界,比如棋盘、互联网等。•智能体做得好时得到的正向反馈,比如下棋赢了、对话流畅等。想象一下,你教小狗坐下,做对了就给它零食,做错了就口头制止。

2401_85373898的博客 1028

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

大模型“炼金术”:强化学习RL

摘要: 强化学习(RL)作为大模型的“幕后军师”,通过试错与奖励机制显著提升模型能力。RL帮助大模型优化推理链(如数学解题)、对话策略(生成自然回复)及复杂决策(自动驾驶)。典型案例包括OpenAI的GPT-4o(多模态推理)、DeepSeek-R1(纯RL训练)等。然而,RL面临训练缓慢、奖励设计偏差及高算力需求等挑战,需通过算法优化(如PPO)和硬件升级(如分布式计算)突破瓶颈。未来,RL将继续推动大模型向更智能、高效的方向发展。

2401_85592132的博客 390

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

机器学习:让计算机拥有“学习”能力的魔法

机器学习是人工智能(AI)的一个分支通过数据训练模型,让计算机自己“学习”并做出预测或决策,而不是直接由人写死规则。传统程序 = 规则 + 数据 → 结果机器学习 = 数据 + 结果 → 学习出规则机器学习不是某一门语言、也不是单一技能,它是一套从“数据 → 认知 → 决策”的思维方式。它并不神秘,也不只是“AI大牛”的专属。只要你有好奇心,有逻辑基础,有点数学思维,就完全可以踏入这个世界。掌握机器学习,不仅是掌握一门技术,更是在理解未来的语言。入门级机器学习课程/视频推荐。

laoxian0311的博客 127

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

对于AI:AI的科普

人工智能已经从科幻概念发展为日常工具,正在深刻改变我们的生活和工作方式。文章系统介绍了AI的本质、发展历程、技术原理和应用场景。 核心内容包括: AI本质是通过数据学习规律,而非预设规则,其能力取决于学习方法和数据质量; 深度学习通过神经网络自动提取特征,突破了传统机器学习的局限; AI发展经历了理论奠基、两次寒冬和爆发期,近年因大模型取得突破性进展; 主要技术领域包括自然语言处理、计算机视觉、语音识别、强化学习等; AI正在重塑制造业、医疗、金融、教育等行业,带来生产力革命; AI会取代重复性工作,但创造

2503_92929084的博客 811

知识科普丨详述agent含义

本文探讨了人工智能中智能体(Agent)的概念与发展。文章首先澄清Agent并非简单的程序或聊天机器人,而是具备自主决策、环境感知、推理和执行能力的数字实体。随后梳理了Agent从理论萌芽到实际应用的演进历程,重点分析了其内部架构的核心模块。文章还分类介绍了不同形态的Agent,特别强调了"实在Agent"在物理世界操作中的独特价值。最后指出大型语言模型与实体结合的Agent将成为未来趋势,同时面临安全性、伦理等挑战。

gjy_sc的博客 1193

程序员必看!一文读懂智能体 (Agent):从概念到入门,搞懂 AI 未来的 “全能助手”

程序员必看!一文读懂智能体 (Agent):从概念到入门,搞懂 AI 未来的 “全能助手”

kaka0722ww的博客 1399

【1】【深度学习】深度学习到底能做什么?——深度学习的典型应用(全面科普版)

看懂世界(视觉 / 语音 / 文本)理解关系(模式 / 语义 / 结构)做出决策(分类 / 预测 / 控制)

weixin_54295089的博客 726

期末总结:从零到一,我们造了一个大脑

历经 42 篇长文,你终于完成了从零"造大脑"的奇妙旅程!本文用"建造智能大厦"的比喻,带你系统回顾 AI 架构核心知识,从地基概念到 Transformer 骨架一网打尽。🧠 这不仅是一份期末总结,更是你进阶 AI 高手的通关秘籍。

yweng18的博客 870

人工智能世界观(认知篇)

本文系统梳理了人工智能(AI)的基础知识体系,重点解析了大模型(LLM)的核心原理、技术演进及应用边界。主要内容包括: AI基础认知:从规则驱动到数据驱动的范式转变,强调AI=数据+算法+算力的技术本质,区分了弱AI与通用AI(AGI)的能力差异。 技术发展史:回顾AI七十年发展,从符号主义、专家系统到深度学习的五次技术浪潮,重点分析Transformer架构如何推动大模型革命。 大模型原理:详解LLM的三大支柱(参数量/数据量/算力),揭示自回归生成和注意力机制的工作逻辑,对比GPT与BERT的技术路线差

轻舟已过万重山 550
上一篇: 大模型与强化学习:谁是未来?—— 一场关于智能本质的协同进化
下一篇: 【科普论文】强化学习:让人工智能在“试错“中成长的科学
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

打赏作者

交通上的硅基思维

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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