随笔分类 - DQN入门
DQN入门教程
摘要：emm，花了一周时间完成了DQN的从入门到入土，这个系列是完完全全的入门系列，因为讲的内容很简单，内容也比较少，仅仅是一个最基本的介绍。 我也是因为偶然的原因才接触到强化学习，然后觉得很有意思，比较好奇它是怎么做到的，于是就花了一段时间去了解，接着就将自己的入门过程就写下来了。 这个系列相比较与数据
阅读全文
摘要：在DQN（Deep Q-learning）入门教程（四）之Q-learning Play Flappy Bird中，我们使用q-learning算法去对Flappy Bird进行强化学习，而在这篇博客中我们将使用神经网络模型来代替Q-table，关于DQN的介绍，可以参考我前一篇博客：DQN（Dee
阅读全文
摘要：简介 DQN——Deep Q-learning。在上一篇博客DQN（Deep Q-learning）入门教程（四）之Q-learning Play Flappy Bird 中，我们使用Q-Table来储存state与action之间的q值，那么这样有什么不足呢？我们可以将问题的稍微复杂化一点了，如果
阅读全文
摘要：在上一篇博客中，我们详细的对Q-learning的算法流程进行了介绍。同时我们使用了$\epsilon-贪婪法$防止陷入局部最优。 那么我们可以想一下，最后我们得到的结果是什么样的呢？因为我们考虑到了所有的（$\epsilon-贪婪法$导致的）情况，因此最终我们将会得到一张如下的Q-Table表。
阅读全文
摘要：蒙特卡罗法 在介绍Q-learing算法之前，我们还是对蒙特卡罗法（MC）进行一些介绍。MC方法是一种无模型（model-free）的强化学习方法，目标是得到最优的行为价值函数$q_*$。在前面一篇博客中，我们所介绍的动态规划算法则是一种有模型的算法。那么问题来了，什么是模型（model）？模型其实
阅读全文
摘要：在上一篇博客：DQN（Deep Q-learning）入门教程（一）之强化学习介绍中有三个很重要的函数： 策略：\(\pi(a|s) = P(A_t=a | S_t=s)\) 状态价值函数：\(v_\pi(s)=\mathbb{E}\left[R_{t+1}+\gamma \left(S_{t+1}
阅读全文
摘要：什么是强化学习？ 强化学习（Reinforcement learning，简称RL）是和监督学习，非监督学习并列的第三种机器学习方法，如下图示： 首先让我们举一个小时候的例子： 你现在在家，有两个动作选择：打游戏和读书。如果选择打游戏的话，你就跑到了网吧，选择读书的话，就坐在了书桌面前。你爸妈下班回
阅读全文
摘要：简介 DQN入门系列地址: "https://www.cnblogs.com/xiaohuiduan/category/1770037.html" 本来呢，在上一个系列 "数据挖掘入门系列" 博客中，我是准备写数据挖掘的教程，然后不知怎么滴，博客越写越偏，写到了神经网络，深度学习去了。在我写完数据挖
阅读全文