SAC是一种off-policy方式优化统计策略的算法，来沟通统计策略优化和DDPG-style的方法。 SAC核心的特点是entropy regularization。Po...
发简信
IP属地：北京
-
Soft Actor Critic
-
deep reinforcement learning：some key concepts
Action Spaces动作空间，分为离散动作空间（固定的action选项，如围棋）、连续动作空间（实值向量，如video game） Policy agent用来选择动作...
-
DDPG和TD3DDPG [Deep Deterministic Policy Gradient] Quick facts： off-policy。 只用于连续动作空间。 DDPG可以看...
-
deep reinforcement learning: Q-learning Continuous action spaceAction a is a continous vector. 离散动作空间：如video game中选择开火、左移等离散的动作。连续动作空间：自动驾驶的角度，机器人控制的关...
-
deep reinforcement learning:training a criticcirtic state value function a critic don't determine the action, given an actor , it ev...
-
deep reinforcement learning: Q-learningCritic critic evevaluates how good the actor is. Value Function： : using actor , 在观察st...
-
deep reinforcement learning: DQN variantDoubel DQN Q function 倾向于高估reward的action。 Double DQN两个Q function，一个用来估计value用于选择action，...
-
deep reinforcement learning:on-policy off-policy PPOon-policy与环境交互的agent和学习的agent是同一个agent off-policy与环境交互的agent和学习的agent是不同的agent shortcom...
-
李宏毅deep reinforcement learning： Policy GradientPolicy-based approach learning a actor machine learning for learning an actor 其中是期望值，形...
-
Learning to rank
Learning to Rank是采用机器学习算法，通过训练模型来解决排序问题，在Information Retrieval，Natural Language Process...
-
李宏毅deep reinforcement learning笔记deep reinforcement learning intro DL监督学习主要关注有明确答案的问题，RL主要关注与环境交互的问题，RL的主要场景： RL的主要难点： r...
-
Checklist use note
checklist checklist是2020 acl best paper Beyond Accuracy: Behavioral Testing of NLP mode...
-
纸媒与记忆
刷到编辑部的故事的视频，遂想找来这部上世纪九十年代的电视剧来看一看。 随意瞅了几分钟第一集，上世纪的编辑部里，几个人惨淡经营着《人间指南》这本杂志，不过读者已经少之又少了。那...