原创 RECURRENT EXPERIENCE REPLAY IN DISTRIBUTED REINFORCEMENT LEARNING (R2D2)
R2D2採用了分佈式框架和LSTM，作爲model-free方法在Atari上實現了SOTA的效果。文章的主要貢獻在於兩個點：一是討論了一下加入RNN之後對於強化學習的MDP時間序列訓練方法的問題；另一個是自身的分佈式較大規模訓練
2020-07-04 03:32:17
1
原创 EXPLORATION BY RANDOM NETWORK DISTILLATION (RND)
RND將獎勵分成了intrinsic reward和extrinsic reward兩部分，其中extrinsic reward相當於是原始獎勵，而intrinsic reward的計算則是通過設計了兩個網絡，並計算它們輸出的MS
2020-07-04 03:32:17
5
原创 Observe and Look Further: Achieving Consistent Performance on Atari
文章目錄1. Introduction3. Algorithm3.1. DQN Background3.2. Transformed Bellman Operator3.3. Temporal consistency (TC)
2020-06-21 06:57:19
原创 Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model (MuZero)
MCTS based方法（即AlphaGo系列）在很多棋類領域取得了巨大成功，但在這些任務中，模擬器都是完美的、可獲得的。但是，在實際問題中，環境動力學通常是複雜且未知的。這項工作提出了MuZero算法，該算法通過將基於樹的搜索與
2020-06-16 13:08:52
1
原创 CS231n: Convolutional Neural Networks for Visual Recognition, Summary and Assignments
CS231n課程大家都很熟悉了，深度學習入門必備課程。這裏就不多介紹了，只對課程資源進行歸納彙總，分享一下自己學習該課程後完成的作業，以供一起學習的同學們參考、交流。由於該課程的課件較爲精煉，沒有長篇大論，且知乎有全套的課件翻譯，
2020-06-14 04:55:23
9
原创 When to Trust Your Model: Model-Based Policy Optimization
文獻目錄 文章目錄1. INTRODUCTION3. Background4. Monotonic Improvement with Model Bias4.1 Monotonic Model-based Improvement
2020-06-14 04:55:23
1
原创 Reinforcement Learning：An Introduction Chapter 2 Multi-armed Bandits
文章目錄Abstract2.1 A k-armed Bandit Problem2.2 Action-value Methods2.3 The 10-armed Testbed2.4 Incremental Implementat
2020-06-14 04:55:23
原创 速記：python多線程之threading.Condition
import threading import time import logging logging.basicConfig(level=logging.DEBUG, format='(
2020-06-14 04:55:23
1
原创 Reinforcement Learning：An Introduction Chapter 1 Introduction
文章目錄Abstract1.1 Reinforcement Learning強化學習特徵強化學習與其他人工智能技術的區別強化學習的挑戰1.3 Elements of Reinforcement Learning1.4 Limita
2020-06-14 04:55:23
原创 David Silver強化學習課程 Lecture 1: Introduction to Reinforcement Learning
文章目錄Abstract1. 強化學習的特點2. 強化學習的組成要素2.1 Reward（獎勵）2.2 Agent（智能體）與 Environment（環境）2.3 Histor（歷史）和State（狀態）Fully Observ
2020-06-14 04:55:23
原创 Deep Reinforcement Learning for High Precision Assembly Tasks
文獻目錄 本篇論文的目的是控制機械臂在組件裝配精度高於機器人控制精度的情況下實現軸孔的裝配。本文使用雙層LSTM網絡結構來作爲狀態-行爲價值函數Q的近似，輸入爲機械臂的力-力矩傳感器反饋信號以及機械臂末端的近似位置，輸出爲機械臂末
2020-06-14 04:55:23
原创 Reinforcement Learning：An Introduction & David Silver & CS294 強化學習課程 學習筆記
由於時間有限，後續課程和章節難以記錄規範筆記，這裏推薦了幾篇寫的不錯的博客以供參考。以後有時間，有新的感悟或補充，會寫出來以供交流。 文章目錄Reinforcement Learning：An Introduction筆記Davi
2020-06-14 04:55:23
原创 Uncertainty-driven Imagination for Continuous Deep Reinforcement Learning
文獻目錄 作者認爲雖然model-based方法可以提高採樣性能，但使用缺乏準確性的虛擬樣本會影響最終算法的效果。爲了解決這個問題，文章把傳統DDPG裏面用到的Experience Replay Buffer 分成了兩類：trad
2020-06-14 04:55:23
原创 RL環境配置：ERROR: GLEW initalization error: Missing GL version
配置環境：ubuntu18.04，python3.6，mujoco200 配置完mujoco + mujoco-py + gym後嘗試運行以下測試代碼： （在安裝gym的過程中發現gym強制安裝mujoco150，但mujoco-
2020-06-14 04:55:23
原创 Windows下Python3調用C++函數
文章目錄1. 配置VS環境2. C++示例代碼2.1. 有輸入輸出參數2.1.1. 常規變量類型2.1.2. 非常規變量類型2.2. 無輸入輸出參數3. 生成.pyd文件4. 變量類型關係5. 注意事項Conferences 本
2020-06-14 04:55:23