qq_18256855的博客

Q-learning介绍 Bellman 方程通俗理解

Algorithms — Spinning Up documentation

Jupyter notebook服务器中执行强化学习，env.render报错问题解决办法

通俗易懂，值得学习强化学习 (Reinforcement Learning) | 莫烦Python

前几期小编给小伙伴们整理了有关人工智能200G资料包，今天为大家整理了知乎上计算机技术硕士们分享的有关强化学习学习由入门到深化的整套学习资源。强化学习，又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）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强化学习问题在信息论、博弈论、自动控制等领域有得到讨论，被用于解释有限理性条件下的平衡态、设计推荐系统和机器人交互系统。一、强化学习视频01莫烦莫烦.

前言：上篇介绍了什么是强化学习，本篇实战讲解强化学习，提供所有的实战代码，可以自行下载运行。本篇使用强化学习领域经典的Project-Pacman项目进行实操，Python2.7环境，使用Q-Learning算法进行训练学习，将讲解强化学习实操过程中的各处细节。如何设置Reward函数，如何更新各(State,Action)下的Q-Value值等。有基础的读者可以直接看Part4实战部分。文章略长，细节讲解很多，适合新手入门强化学习。1. 强化学习关于强化学习的基础介绍，可以阅读我上一篇帖子，本..

本文转自：策略产品经理必读系列—第二讲强化学习 - 知乎Pacman（吃豆人）的游戏介绍强化学习加州大学伯克利分校在上强化学习这门课程时使用的cousrwork的链接：http://ai.berkeley.edu/project_overview.html。前言：强化学习这个概念是2017年乌镇围棋峰会上Alpha Go战胜了当时世界排名第一的柯洁而被普通大众知道，后面随着强化学习在各大游戏比如王者荣耀中被应用，而被越来越多的人熟知。王者荣耀AI团队，甚至在顶级期刊AAAI上发表过...

无人驾驶的人工智能包含了感知、决策和控制三个方面。感知指的是如何通过摄像头和其他传感器的输入解析出周围环境的信息，例如有哪些障碍物、障碍物的速度和距离、道路的宽度和曲率等。这个部分是无人驾驶的基础，是当前无人驾驶研究的重要方向。控制是指当我们有了一个目标，例如右转30度，如何通过调整汽车的机械参数达到这个目标。这个部分已经有相对比较成熟的算法能够解决，不在本文的讨论范围之内。本节，我们着重讲解无人驾驶的决策部分。无人驾驶的决策是指给定感知模块解析出的环境信息如何控制汽车的行为达到驾驶的目标。例如，汽车加

自动驾驶一直是人工智能的重要应用领域，在人工智能技术飞速发展的今天，如何将最新的机器学习技术应用到自动驾驶模型的训练当中，已经成为人工智能研究的前沿问题。随着人们对 AI 的要求从感知型逐渐深化到决策型，AI 在自动驾驶任务中的应用能力也成为了衡量决策型 AI 技术发展的标准之一。OpenDILab此前也建立了 DI-drive 这一基于真实自动驾驶AI case的评测和算法平台。本文章综述了各种决策 AI 方法在自动驾驶环境中的尝试，总结了它们针对自动驾驶任务所做的各种设计类型，同时也罗列了一...