- 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?
我对深度学习和神经网络还很陌生,并尝试实现一个能够玩我的简单游戏的代理
因此,我们的目标是在可用步数内到达目的地(橙色单元格)时获得尽可能高的分数(访问过的单元格的总和)(玩家到终点单元格的距离始终为 gte)。
我的网络模型非常简单(我正在使用tflearn
)
network = input_data(shape=[None, 13, 1], name='input')
network = fully_connected(
network,
13**2,
activation='relu'
)
network = fully_connected(network, 1, activation='linear')
network = regression(
network,
optimizer='adam',
learning_rate=self.lr,
loss='mean_square',
name='target',
)
model = tflearn.DNN(network, tensorboard_dir='log')
其中13
是我能够从游戏状态中提取的一些特征。但最终的模型在玩游戏时表现非常糟糕
[default] INFO:End the game with a score: 36
[default] INFO:Path: up,up,up,up,up,up,up,up,up,up,up,up,up,up,up
所以我想弄清楚我错过了哪些重要部分,并有一些悬而未决的问题需要澄清:
Training Step: 3480 | total loss: 0.11609 | time: 4.922s
| Adam | epoch: 001 | loss: 0.11609 -- iter: 222665/222665
我知道这是一个稍微开放的问题,在这里发布可能不合适,因此我将不胜感激任何类型的指导或一般性评论。
最佳答案
传统上,强化学习仅限于解决离散状态离散 Action 问题,因为连续问题会导致“维数灾难”问题。例如,假设机器人 ARM 可以在 0 - 90 度之间移动。这意味着您需要对角度 = 0, 0.00001, 0.00002, ... 执行操作,这对于传统的基于表格的 RL 来说是不可行的。
为了解决这个问题,我们必须告诉 RL 0.00001 和 0.00002 或多或少是相同的。为了实现这一点,我们需要使用函数逼近,例如神经网络。这些近似的目的是近似表格强化学习中的 Q 矩阵并捕获策略(即机器人的选择)。然而,即使到今天,非线性函数逼近仍然非常难以训练。神经网络第一次在强化学习中取得成功是由 David Silver 和他的确定性策略梯度(2014 年)完成的。他的方法是将状态直接映射到 Action ,而不需要 Q 值。但神经网络的损失函数将受到奖励的引导。
回答最初的问题“如何正确奖励神经网络”:
原始论文如下:http://proceedings.mlr.press/v32/silver14.pdf
蒙特卡罗方法的问题是它们的高方差,因为每个轨迹可能与其他轨迹有很大不同。因此,现代 RL(2015 年底至今)使用 actor-critic 方法,其中 actor 是上述算法,但还有另一个批评者使用神经网络来近似 Q 矩阵。这位评论家试图通过在每集后提供信息来稳定 Actor 的学习。因此,减少了 Actor 的方差。
两种最流行的算法是:深度确定性策略梯度和近端策略优化。
我建议您在尝试其他策略之前先熟悉确定性策略梯度。
关于tensorflow - 玩游戏时如何正确奖励神经网络,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53401117/
这个问题已经有答案了: How to do case insensitive string comparison? (23 个回答) 已关闭 3 年前。 用户在我的输入栏中写入“足球”,然后执行第 6
啊,不习惯 javascript 中的字符串。 character_id= + id + correct= + correctOrIncorrect 这就是我需要制作成字符串的内容。如果您无法猜测字符
$(function() { var base_price = 0; CalculatePrice(); $(".math1").on('change', function(e) { Calc
我找不到任何文章回答问题:将Spinnaker部署到Spinnaker将管理的同一Kubernetes集群是否安全/正确?我主要是指生产,HA部署。 最佳答案 我认为Spinnaker和Kuberne
我正在使用MSVC在Windows上从源代码(官方源代码发布,而不是从仓库中)构建Qt5(Qt 5.15.0)。 我正在设置环境。变量,依赖项等,然后运行具有1600万个选项的configure,最后
我需要打印一个包含重复单词的数组。我的数组已经可以工作,但我不知道如何正确计算单词数。我已经知道,当我的索引计数器 (i) 为 49 时,并且当 (i) 想要计数到 50 时,我会收到错误,但我不知道
我正在遵循一个指南,该指南允许 Google map 屏幕根据屏幕尺寸禁用滚动。我唯一挣扎的部分是编写一个代码,当我手动调整屏幕大小时动态更改 True/False 值。 这是我按照说明操作的网站,但
我有一个类“FileButton”。它的目的是将文件链接到 JButton,FileButton 继承自 JButton。子类继承自此以使用链接到按钮的文件做有用的事情。 JingleCardButt
我的 friend 数组只返回一个数字而不是所有数字。 ($myfriends = 3) 应该是…… ($myfriends = 3 5 7 8 9 12). 如果我让它进入 while 循环……整个
这个问题在这里已经有了答案: Is there a workaround to make CSS classes with names that start with numbers valid?
我正在制作一个 JavaScript 函数,当调整窗口大小时,它会自动将 div 的大小调整为与窗口相同的宽度/高度。 该功能非常基本,但我注意到在调整窗口大小时出现明显的“绘制”滞后。在 JS fi
此问题的基本视觉效果可在 http://sevenx.de/demo/bootstrap-carousel/inc.carousel/tabbed-slider.html 获得。 - 如果你想看一看。
我明白,如果我想从函数返回一个字符串文字或一个数组,我应该将其声明为静态的,这样当被调用的函数被返回时,内容就不会“消亡”。 但我的问题是,当我在函数内部使用 malloc 分配内存时会怎样? 在下面
在 mySQL 数据库中存储 true/false/1/0 值最合适(读取数据消耗最少)的数据字段是什么? 我以前使用过一个字符长的 tinyint,但我不确定它是否是最佳解决方案? 谢谢! 最佳答案
我想一次读取并处理CSV文件第一行中的条目(例如打印)。我假设使用Unix风格的\n换行符,没有条目长度超过255个字符,并且(现在)在EOF之前有一个换行符。这意味着它是fgets()后跟strto
所以,我们都知道 -1 > 2u == true 的 C/C++ 有符号/无符号比较规则,并且我有一种情况,我想有效地实现“正确”比较。 我的问题是,考虑到人们熟悉的尽可能多的架构,哪种方法更有效。显
**摘要:**文章的标题看似自相矛盾。 本文分享自华为云社区《Java异常处理:如何写出“正确”但被编译器认为有语法错误的程序》,作者: Jerry Wang 。 文章的标题看似自相矛盾,然而我在“正
我有一个数据框,看起来像: dataDemo % mutate_each(funs(ifelse(. == '.', REF, as.character(.))), -POS) # POS REF
有人可以帮助我使用 VBScript 重新格式化/正确格式化带分隔符的文本文件吗? 我有一个文本文件 ^分界如下: AGREE^NAME^ADD1^ADD2^ADD3^ADD4^PCODE^BAL^A
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the he
我是一名优秀的程序员,十分优秀!