深度強化學(xué)習(xí)

• 【一文看懂】什么是強化學(xué)習(xí)（RL)？

  為什么像 ChatGPT 這樣的人工智能，不僅擁有海量的知識，還能和你進行流暢自然的對話，甚至理解你的潛在意圖，給出富有創(chuàng)造性的回復(fù)，或者在面對不恰當(dāng)請求時進行得體的拒絕？它們是如何從簡單的文字預(yù)測工具，變得如此“善解人意”且“行為規(guī)范”的？

  超算百科

  606

  05/09 14:50

  深度強化學(xué)習(xí)

  
• 強化學(xué)習(xí)與監(jiān)督學(xué)習(xí)【區(qū)別】

  強化學(xué)習(xí)很強大，但是有大多數(shù)場景毫無使用它的必要，監(jiān)督學(xué)習(xí)就夠了。下面分析強化學(xué)習(xí)和監(jiān)督學(xué)習(xí)的區(qū)別和強化學(xué)習(xí)有前景的應(yīng)用。

  全棧O-Jay

  2577

  2024/12/11

  深度強化學(xué)習(xí)

  
• 【深度強化學(xué)習(xí)】目前落地的挑戰(zhàn)與前沿對策

  到目前為止，深度強化學(xué)習(xí)最成功、最有名的應(yīng)用仍然是 Atari 游戲、圍棋游戲等。即使深度強化學(xué)習(xí)有很多現(xiàn)實中的應(yīng)用，但其中成功的應(yīng)用并不多。為什么呢？本文總結(jié)目前的挑戰(zhàn)。

  全棧O-Jay

  2699

  2024/12/06

  深度強化學(xué)習(xí)

  
• 伯克利具身智能圖譜：深度強化學(xué)習(xí)浪尖上的中國 90 后們

  短短不到一年內(nèi)，邊塞科技、星動紀元、星海圖和千尋智能接連成立，躋身國內(nèi)明星創(chuàng)企之列；大洋彼岸，Covariant 和 Anyware Robotics 也正在灣區(qū)閃耀。六家具身智能公司，八位 90 后創(chuàng)始人，他們都成長于深度強化學(xué)習(xí)的搖籃。作為最早一批開啟新范式的人，他們探索 AI 和 Robotics 的故事要從踏入伯克利校園說起。

  雷鋒網(wǎng)

  2574

  2024/11/05

  AI 機器人

  
• 如果強化學(xué)習(xí)是問題，大模型是否是「答案」？

  “強化學(xué)習(xí)讓大模型具有了思考能力，大模型為強化學(xué)習(xí)提供了更開闊的思路?！? 在當(dāng)今大模型推動的新一波人工智能的快速發(fā)展浪潮中，大模型和強化學(xué)習(xí)技術(shù)的結(jié)合成為研究和產(chǎn)業(yè)界的焦點。尤其最近OpenAI最新模型o1的發(fā)布，強化學(xué)習(xí)成為o1的靈魂，更是印證了強化學(xué)習(xí)的潛力。大模型憑借其強大的數(shù)據(jù)處理能力，為強化學(xué)習(xí)提供了豐富的知識。這種結(jié)合不僅極大地擴展了人工智能在處理復(fù)雜問題上的能力，也為強化學(xué)習(xí)帶來了更深層次的洞察力和更高效的決策過程。

  雷鋒網(wǎng)

  3678

  2024/10/04

  大模型 AI大模型

  
• 白話機器學(xué)習(xí)-第五章-強化學(xué)習(xí)

  什么是強化學(xué)習(xí)？在機器學(xué)習(xí)的大家庭里，強化學(xué)習(xí)（RL）是那個總是在玩“打怪升級”游戲的孩子。這個孩子不斷嘗試各種策略，尋找最優(yōu)的游戲路線，在失敗中學(xué)習(xí)，在成功中積累經(jīng)驗，最終成為一名“游戲高手”。在現(xiàn)實世界中，強化學(xué)習(xí)算法通過與環(huán)境的交互，逐漸優(yōu)化策略，以最大化其長期收益。這種學(xué)習(xí)方式有點像訓(xùn)練一只小狗，經(jīng)過不斷的嘗試和獎勵，小狗學(xué)會了坐下、握手、甚至是跳圈。

  寫代碼的中年人

  2881

  2024/09/05

  機器學(xué)習(xí) 深度強化學(xué)習(xí)

  
• 一文了解【行為克隆 (Behavior Cloning)】

  本文介紹模仿學(xué)習(xí)中最簡單和基礎(chǔ)的行為克隆(Behavior Cloning)，并總結(jié)它與強化學(xué)習(xí)的區(qū)別與結(jié)合。

  全棧O-Jay

  4048

  2024/05/16

  深度強化學(xué)習(xí)

  
• 一文了解【完全合作關(guān)系】下的【多智能體強化學(xué)習(xí)】

  處于完全合作關(guān)系的多智能體的利益一致，獲得的獎勵相同，有共同的目標。比如多個工業(yè)機器人協(xié)同裝配汽車，他們的目標是相同的，都希望把汽車裝好。在多智能體系統(tǒng)中，一個智能體未必能觀測到全局狀態(tài) S。設(shè)第 i 號智能體有一個局部觀測，記作 Oi，它是 S 的一部分。不妨假設(shè)所有的局部觀測的總和構(gòu)成全局狀態(tài)：

  全棧O-Jay

  1899

  2024/05/16

  深度學(xué)習(xí) 深度強化學(xué)習(xí)

  
• 什么是BPTEOS？它通常應(yīng)用于哪些領(lǐng)域

  BPTEOS（Back Propagation Through Time with Evolving Objectives and Strategies）是一種強化學(xué)習(xí)（Reinforcement Learning）算法，結(jié)合了時間反向傳播和動態(tài)目標與策略的演進。該算法通過不斷優(yōu)化目標和策略來實現(xiàn)智能體在動態(tài)環(huán)境中的學(xué)習(xí)和決策。

  eefocus_3901714

  1605

  2024/08/16

  深度強化學(xué)習(xí)

正在努力加載...