Preguntas etiquetadas con reinforcement-learning

El sitio web de inteligencia artificial define el aprendizaje fuera de política y dentro de política de la siguiente manera: "Un alumno fuera de la política aprende el valor de la política óptima independientemente de las acciones del agente. Q-learning es un alumno fuera de la política. Un alumno dentro …

79 machine-learning  reinforcement-learning  artificial-intelligence 

Me estoy enseñando sobre el aprendizaje por refuerzo y estoy tratando de entender el concepto de recompensa con descuento. Entonces, la recompensa es necesaria para decirle al sistema qué pares de estado-acción son buenos y cuáles son malos. Pero lo que no entiendo es por qué es necesaria la recompensa …

43 machine-learning  reinforcement-learning 

Las computadoras han podido jugar al ajedrez durante mucho tiempo utilizando una técnica de "fuerza bruta", buscando a cierta profundidad y luego evaluando la posición. Sin embargo, la computadora AlphaGo solo usa un ANN para evaluar las posiciones (hasta donde yo sé, no realiza ninguna búsqueda profunda). ¿Es posible crear …

32 neural-networks  deep-learning  reinforcement-learning  games 

Veo la siguiente ecuación en " En aprendizaje por refuerzo. Una introducción ", pero no sigo el paso que he resaltado en azul a continuación. ¿Cómo se deriva exactamente este paso?

32 expected-value  reinforcement-learning 

Aprendizaje supervisado 1) Un humano construye un clasificador basado en entrada y salida de datos 2) Ese clasificador está entrenado con un conjunto de datos de entrenamiento 3) Ese clasificador se prueba con un conjunto de datos de prueba 4) Despliegue si el resultado es satisfactorio Para usarse cuando, "Sé …

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

El algoritmo de bandido más conocido es el límite superior de confianza (UCB) que popularizó esta clase de algoritmos. Desde entonces supongo que ahora hay mejores algoritmos. ¿Cuál es el mejor algoritmo actual (en términos de rendimiento empírico o límites teóricos)? ¿Es este algoritmo óptimo en algún sentido?

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

Estoy tratando de hacer análisis de series de tiempo y soy nuevo en este campo. Tengo un recuento diario de un evento del 2006 al 2009 y quiero ajustarle un modelo de serie temporal. Aquí está el progreso que he hecho: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) La trama resultante que obtengo …

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

Después de jugar demasiado Angry Birds, comencé a observar mis propias estrategias. Resulta que desarrollé un enfoque muy específico para obtener 3 estrellas en cada nivel. Eso me hizo preguntarme sobre los desafíos de desarrollar un sistema de aprendizaje automático que pudiera jugar a Angry Birds. Interactuar con el juego …

22 machine-learning  reinforcement-learning 

Recientemente me encontré con la palabra "Aprendizaje de refuerzo recurrente". Entiendo qué es "Red neuronal recurrente" y qué es "Aprendizaje de refuerzo", pero no pude encontrar mucha información sobre lo que es un "Aprendizaje de refuerzo recurrente". ¿Puede alguien explicarme qué es un "aprendizaje de refuerzo recurrente" y cuál es …

20 machine-learning  reinforcement-learning 

SARSA y Q Learning son algoritmos de aprendizaje de refuerzo que funcionan de manera similar. La diferencia más notable es que SARSA está en la política, mientras que Q Learning está fuera de la política. Las reglas de actualización son las siguientes: Q Aprendizaje: 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)] donde st,atst,ats_t,\,a_t y …

19 reinforcement-learning 

En el artículo de DeepMind sobre Deep Q-Learning para videojuegos Atari ( aquí ), utilizan un método de épsilon codicioso para la exploración durante el entrenamiento. Esto significa que cuando se selecciona una acción en el entrenamiento, se elige como la acción con el valor q más alto o como …

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

Mientras estudiaba el aprendizaje por refuerzo, me encontré con muchas formas de la función de recompensa: , R ( s , a , s ' ) e incluso una función de recompensa que solo depende del estado actual. Dicho esto, me di cuenta de que no es muy fácil 'hacer' …

18 machine-learning  reinforcement-learning 

¿Por qué se eligió la letra Q en nombre de Q-learning? La mayoría de las letras se eligen como abreviatura, como ππ\pi representando política y vvv representa valor. Pero no creo que Q sea una abreviatura de ninguna palabra.

17 terminology  reinforcement-learning  history  q-learning 

Parece que la definición de aprendizaje supervisado es un subconjunto de aprendizaje de refuerzo, con un tipo particular de función de recompensa que se basa en datos etiquetados (a diferencia de otra información en el entorno). ¿Es esta una representación precisa?

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

Los bandidos de brazos múltiples funcionan bien en situaciones en las que tienes opciones y no estás seguro de cuál maximizará tu bienestar. Puede usar el algoritmo para algunas situaciones de la vida real. Como ejemplo, el aprendizaje puede ser un buen campo: Si un niño está aprendiendo carpintería y …

15 algorithms  reinforcement-learning  multiarmed-bandit