- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我已经使用表查找成功实现了 SARSA 算法(一步法和使用资格跟踪)。本质上,我有一个 q 值矩阵,其中每行对应一个状态,每列对应一个操作。
类似于:
[Q(s1,a1), Q(s1,a2), Q(s1,a3), Q(s1,a4)]
[Q(s2,a1), (Q(s2,a2), Q(s2a3), Q(s2, a2]
.
.
.
[Q(sn,a1), Q(sn,a2), Q(sn,a3), Q(sn,a4)]
在每个时间步长,都会从矩阵中选择一行,并根据策略,根据 SARSA 规则选择和更新操作。
我现在正在尝试使用梯度下降将其实现为神经网络。
我的第一个假设是创建一个两层网络,输入层具有与状态一样多的输入神经元,输出层具有与 Action 一样多的输出神经元。每个输入都将完全连接到每个输出。 (所以,事实上,它看起来就像上面的矩阵)
我的输入向量将是 1xn 行向量,其中 n 是输入神经元的数量。输入向量中的所有值都将为 0,除了与当前状态对应的索引为 1 之外。即:
[0 0 0 1 0 0]
将是处于状态 4 的代理的输入向量。
所以,这个过程会是这样的:
[0 0 0 1 0 0] X [ 4 7 9 3]
[ 5 3 2 9]
[ 3 5 6 9]
[ 9 3 2 6]
[ 2 5 7 8]
[ 8 2 3 5]
我创建了一个随机的样本权重矩阵。
结果将是:
[9 3 2 6]
这意味着,如果选择了贪婪策略,则应选择 Action 1,并且第四个输入神经元和第一个输出神经元之间的连接应通过以下方式变得更强:
dw = dw_old + learning_rate*(reward + discount*network_output - dw_old)
(来自 SARSA 算法的方程)
然而 - 这个实现并不能说服我。根据我读到的内容,网络权重应该用于计算状态- Action 对的 Q 值,但我不确定它们应该代表这样的值。 (特别是因为我通常看到权重值仅包含在 0 到 1 之间。)
有什么建议吗?
最佳答案
摘要:您当前的方法是正确的,只是您不应将输出值限制在 0 到 1 之间。
This page有一个很好的解释,我将在这里总结一下。它没有专门讨论 SARSA,但我认为它所说的一切都应该翻译。
结果向量中的值确实应该代表神经网络对与每个状态相关的 Q 值的估计。因此,通常建议您不要将允许值的范围限制在 0 到 1 之间(因此只需将值乘以连接权重求和,而不是使用某种 sigmoid 激活函数)。
至于如何表示状态,一种选择是用代理拥有或理论上可能拥有的传感器来表示它们。例如,在下面的示例中,机器人具有三个“触角”传感器,每个传感器都可以处于三种条件之一。它们共同为机器人提供了它将获得的有关其所处状态的所有信息。
但是,如果您想为代理提供完美的信息,您可以想象它有一个传感器可以准确地告诉它所处的状态,如 this page 末尾附近所示。 。这将与您的网络当前设置的方式完全相同,一个输入代表每个状态。
关于machine-learning - 使用梯度下降实现 SARSA,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29978406/
进程虚拟机和系统虚拟机有什么区别? 我的猜测是,进程 VM 没有为该操作系统的整个应用程序提供一种操作系统,而是为某些特定应用程序提供环境。 系统虚拟机为操作系统提供了一个安装环境,就像 Virtua
我写了一个 C# windows 应用程序表单,它在客户端机器上运行并连接到另一台机器上的 SQL 服务器。在 C# 中建立连接时,我使用了像这样的 dll 1)microsoft.sqlserver
作为我作业的一部分,我正在处理几个数据集,并通过线性回归查找它们的训练错误。我想知道标准化是否对训练误差有影响?对于标准化前后的数据集,我的相关性和 RMSE 是相等的。 谢谢 最佳答案 很容易证明,
我在公司数据中心的 linux VM 上安装了 docker-engine。我在 Windows 上安装了 docker-machine。我想通过我的 Windows 机器管理这个 docker-en
我在我的 PC 上运行 SAS Enterprise Guide 以连接到位于我们网络内的服务器上的 SAS 实例。 我正在编写一个将在服务器上运行的 SAS 程序,该程序将使用 ODS 将 HTML
我正在创建一个包含 ASP.Net HttpModule 和 HttpHandler 的强签名类库。 我已经为我的库创建了一个 visual studio 安装项目,该项目在 GAC 中安装了该库,但
我试过 docker-machine create -d none --url tcp://:2376 remote并复制 {ca,key,cert}.pem (客户端证书)到机器目录。然后我做了 e
请注意 : 这个问题不是关于 LLVM IR , 但 LLVM 的 MIR ,一种低于前一种的内部中间表示。 本文档关于 LLVM Machine code description classes ,
我理解图灵机的逻辑。当给出图灵机时,我可以理解它是如何工作的以及它是如何停止的。但是当它被要求构造图灵机,难度更大。 有什么简单的方法可以找到问题的答案,例如: Construct a Turing
我不确定我是否理解有限状态机和状态机之间是否有区别?我是不是想得太难了? 最佳答案 I'm not sure I understand if there is a difference between
我遵循 docker 入门教程并到达第 4 部分,您需要使用 virtualbox ( https://docs.docker.com/get-started/part4/#create-a-clus
我使用 Virtual Machine Manager 通过 QEMU-KVM 运行多个客户操作系统。我在某处读到,通过输入 ctrl+alt+2 应该会弹出监视器控制台。它不工作或禁用。有什么办法可
当我尝试在项目中包含 libc.lib 时,会出现此错误,即使我的 Windows 是 32 位,也会出现此错误。不知道我是否必须从某个地方下载它或什么。 最佳答案 您正在尝试链接为 IA64 架构编
生成模型和判别模型似乎可以学习条件 P(x|y) 和联合 P(x,y) 概率分布。但从根本上讲,我无法说服自己“学习概率分布”意味着什么。 最佳答案 这意味着您的模型要么充当训练样本的分布估计器,要么
我正在使用 visual studio 2012.我得到了错误 LNK1112: module machine type 'x64' conflicts with target machine typ
使用 start|info|stop|delete 参数运行 boot2docker导致错误消息: snowch$ boot2docker start error in run: Failed to
到目前为止,我一直只在本地使用 Vagrant,现在我想使用 Azure 作为提供程序来创建 VM,但不幸的是,我遇到了错误,可以在通过链接访问的图像上看到该错误。我明白它说的是什么,但我完全不知道如
这个问题在这里已经有了答案: 关闭 10 年前。 Possible Duplicate: linking problem: fatal error LNK1112: module machine t
我正在使用 Nodejs 的 dgram 模块运行一个简单的 UDP 服务器。相关代码很简单: server = dgram.createSocket('udp4'); serve
嗨,我收到以下错误,导致构建失败,但在 bin 中创建了 Wix 安装程序 MSI。我怎样才能避免这些错误或抑制? 错误 LGHT0204:ICE57:组件 'cmp52CD5A4CB5D668097
我是一名优秀的程序员,十分优秀!