q-learning

1热度

1回答

深q学习不收敛

我正在使用Keras进行深q学习的实验，并且我想要教授代理来执行任务。在我的问题 我wan't教的试剂，以避免撞击物体在它的路径，通过改变它的速度（加速或减速） 所述试剂水平移动和对象以避免在垂直方向移动的，我不要他学会改变速度以避免击中它们。 我基于我对这个代码：Keras-FlappyBird 我试图3个不同模型（我不使用卷积网络） 模型与S形的激活函数10密隐藏层，用400输出节点 模型与L

tensorflow deep-learning keras keras-layer q-learning 2017-04-17

---

0热度

2回答

加强学习：在Q-learning培训完成后，我是否必须忽略超参数（？）？

学习者可能正处于训练阶段，在那里它会更新一堆时代的Q表。 在这个阶段，Q表会更新为gamma（贴现率），学习率（alpha），并且动作将由随机动作率选择。 经过一段时间后，当奖励变得稳定后，让我称之为“训练完成”。那么在那之后我必须忽略这些参数（伽马，学习率等）吗？ 我的意思是，在训练阶段，我从Q-表像这样的动作： if rand_float < rar: action = rand.r

reinforcement-learning q-learning 2017-04-25

---

1热度

1回答

随机优化行动选择

我正在开发自驾车计划的代码。我在我的choose_action函数中遇到问题。代理应该从选择的有以下步骤最高Q值的动作选择随机行动： “其他： 行动= maxQaction” 但我现在写的方式，每次只会选择相同的动作。任何人都可以建议如何随机选择最高的Q值，也许我可以使用列表。 Code: import random import math from environment import A

python-2.7 q-learning 2017-09-27

---

1热度

2回答

学习与DQN玩曲线发烧游戏的奖励功能

我做了一个简单版本的曲线发烧，也被称为“Achtung Die Kurve”。我想让机器弄清楚如何最佳地玩游戏。我从谷歌的Tensorflow制作的一些Atari游戏例子中复制并略微修改了现有的DQN。 我想找出一个合适的奖励功能。目前，我用这个奖励设置： 0.1每一帧它不会崩溃 -500每次崩溃 这是正确的做法？我需要调整值吗？或者我需要一个完全不同的方法？

machine-learning tensorflow deep-learning reinforcement-learning q-learning 2017-05-05

---

0热度

1回答

政策梯度网络中的自动区分

我确实了解政策梯度网络中的反向传播，但我不确定如何与自动区分的库协同工作。 也就是说，他们如何将它转换成监督学习问题。 例如，下面的代码： Y = self.probs + self.learning_rate * np.squeeze(np.vstack([gradients])) 为什么为Y为动作不1-热矢量取？ 他正在计算假设动作正确的梯度，Y是一个热点向量。然后他在相应的时间步骤中乘以

machine-learning neural-network reinforcement-learning q-learning 2017-06-25

---

0热度

1回答

动态环境下的强化学习与大型国家行动空间

我有一个500 * 500的网格有7个不同的惩罚值。我需要制作一个RL代理，其行动空间包含11个动作。 （左，右，上，下，4个对角线方向，加速，减速和正常速度）。我怎么解决这个问题？ 选择的“执行操作”的概率为0.8。否则，会选择一个随机动作。而且，惩罚值可以动态改变。

artificial-intelligence reinforcement-learning q-learning function-approximation 2017-05-08

---

0热度

1回答

如何从另一个数组索引到张量张量流

我正在尝试为AI中的问题编写深度q-学习网络。我有一个函数predict()，它产生一个形状(None, 3)的张量，输入形状(None, 5)。 (None, 3)中的3对应于每个状态下可以采取的每个动作的q值。现在，在训练步骤中，我必须多次呼叫predict()，并使用结果计算成本并训练模型。为此，我还有另一个可用的数据数组，名为current_actions，它是一个列表，其中包含以前迭代中

python tensorflow deep-learning artificial-intelligence q-learning 2017-08-17

---

0热度

1回答

FrozenLake Q-Learning更新问题

我正在学习Q-Learning，并试图在OpenAI Gym的FrozenLake-v0问题上构建Q-learner。由于问题只有16个状态和4个可能的操作，所以它应该相当容易，但看起来像我的算法没有正确更新Q表。 以下是我的Q学习算法： import gym import numpy as np from gym import wrappers def run( env,

python reinforcement-learning q-learning 2017-11-25

---

1热度

1回答

优先体验在深度Q-learning中重播

我在开放式健身房的mountain car problem中实施DQN。这个问题很特殊，因为积极的回报非常稀少。所以我想到了这个paper by google deep mind中提出的优先体验重播。 但是也有一些困惑我某些事： 我们如何存储回放存储器。我得到那我是过渡的优先事项，有两种方式，但这是什么P（我）？ 如果我们按照给定的规则不会P（i）每次添加样本都会改变。 当它说“我们根据此概率分布

deep-learning priority-queue reinforcement-learning q-learning 2017-07-18

---

0热度

1回答

从一个数组

我想用Q学习训练CatPole-V0喂养tensorflow占位符。当试图更新用丰富的经验，我收到以下错误重传缓冲器： ValueError: Cannot feed value of shape (128,) for Tensor 'Placeholder_1:0', which has shape '(?, 2)' 相关的代码片段是： def update_replay_buffer(re

tensorflow reinforcement-learning q-learning openai-gym 2017-10-29

---