03-07 Dyna

https://classroom.udacity.com/courses/ud501/lessons/5326212698/concepts/54629888620923

hallucinate 产生幻觉

Dyna-Q:混合 Model-Free 和 Model-based

image.png

每一次和真实世界的交互,都会自己更新100次。

image.png

T'[s,a,s']: 从状态 s,采取动作 a,到状态 s’的概率
R'[s,a]: 从状态 s,采取动作 a的 reward

image.png
image.png
image.png

根据真实世界发生的次数,更新 T

image.png

练习: How To Evaluate T?

Type in your expression usingMathQuill

  • a WYSIWYG math renderer that understands LaTeX.

Correction: The expression should be:

Computing transition probabilities using counts

image.png
image.png
image.png

R:模型中的 Reward
r: 真实的立即 reward

image.png

Summary

The Dyna architecture consists of a combination of:

  • direct reinforcement learning from real experience tuples gathered by acting in an environment,
  • updating an internal model of the environment, and,
  • using the model to simulate experiences.

Sutton and Barto.
Reinforcement Learning: An Introduction. MIT Press, Cambridge, MA, 1998. [web]

Resources

  • Richard S. Sutton. Integrated architectures for learning, planning, and reacting based on approximating dynamic programming. In

    Proceedings of the Seventh International Conference on Machine Learning, Austin, TX, 1990. [pdf]

  • Sutton and Barto.

    Reinforcement Learning: An Introduction. MIT Press, Cambridge, MA, 1998. [web]

  • RL course by David Silver

    (videos, slides)

    • Lecture 8: Integrating Learning and Planning [pdf]
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容

  • 最近很痛苦啊,因为我的手机充不进电。 当初很喜欢的一款手机,我对他的期望值是真的相当高,现在才用了刚过一年,就...
    五味lucky阅读 263评论 0 1
  • 只要是个凡人就会有情绪。有情绪就会有情绪周期,有情绪高点,就会有情绪低谷。 在情绪低落的时候,不要任性,尝试做任何...
    90后妹纸进化论阅读 460评论 2 2
  • 姓名:楼灵芝 单位:杭州熙林服饰 【日精进打卡第134天】 【知~学习】 《六项精进》背诵1遍,共570遍; 《大...
    心镜_8ef4阅读 151评论 0 0
  • 本节主题(Storyboard/模型思想搭建设置页面) 源码地址在文章末尾 设置(Setting)页面的搭建(实现...
    Developer_Yancy阅读 11,817评论 31 150
  • 你已盛妆而去 来不及收走你的妆台 清澈的水面如镜 彰显出你浓烈的情怀 枫如火,桐如金 草却苍凉渐隐去 风渐凉,菊含...
    余梦人生阅读 261评论 3 10