V
主页
什么是 Sarsa(lambda) (Reinforcement Learning 强化学习)
发布人
今天我们会来说说强化学习中基于 Sarsa 的一种提速方法, 叫做 sarsa lambda. Code: https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow 更多内容见莫烦Python: https://mofanpy.com 支持莫烦: https://mofanpy.com/support
打开封面
下载高清视频
观看高清视频
视频下载器
什么是 Sarsa (Reinforcement Learning 强化学习)
什么是 Q Learning (Reinforcement Learning 强化学习)
什么是 Actor Critic (Reinforcement Learning 强化学习)
什么是 Deep Deterministic Policy Gradient (DDPG) 强化学习
【莫烦Python】强化学习 Reinforcement Learning
什么是强化学习? (Reinforcement Learning)
什么是 策略梯度 Policy Gradients (Reinforcement Learning 强化学习)
什么是 DQN (Reinforcement Learning 强化学习)
IROS24新作 | 上交大秦通团队,MapLocNet:实现自动驾驶新突破 告别GPS的亚米级定位!
什么是 A3C (Asynchronous Advantage Actor-Critic) 强化学习
14大模型全栈-强化学习07-DPO原理公式推导
16大模型全栈-强化学习09-DPO变体:TDPO:更细粒度控制的DPO;RPO:带有离线奖励的DPO
什么是过拟合 (深度学习)? What is overfitting (deep learning)?
什么是卷积神经网络 CNN (深度学习)?
什么是激励函数 (深度学习)? Why need activation functions (deep learning)?
什么是循环神经网络 RNN (深度学习)?
强推!上海交大、腾讯、中国科学院三方强强联合的【python+机器学习+深度学习】系列课程,堪称人工智能系列课程的巅峰之作!-人工智能/深度学习/机器学习
【莫烦Python】站在巨人的肩膀上, 迁移学习 Transfer Learning
什么是自编码 Autoencoder (深度学习)?
17大模型全栈-强化学习10-DPO变体-DPOP+ORPO:微调阶段实现对齐
【莫烦Python】机械手臂从零开始 (机器学习实战 强化学习)
15大模型全栈-强化学习08-DPO变体:IPO、KTO:无需偏好数据实现对齐
【强化学习入门到实战】这也太全了!Q-learning算法、DQN算法、PPO算法、A3C算法等强化学习核心算法一口气学完!_AI/人工智能/深度学习/强化学习
【全192集】不愧是吴恩达!一口气讲透CNN、RNN、GAN、GNN、DQN、Transformer、LSTM等八大深度学习神经网络算法!简直不要太爽!
有了这个网站,导师都得靠边站!我愿称这个网站为研究生今年最伟大的发现!——人工智能/机器学习/深度学习
12大模型全栈-强化学习05-RLHF实战-端到端全流程解决方案-轩辕大模型强化学习完整流程介绍(数据+奖励模型+强化学习调参经验)
11大模型全栈-强化学习04-RLHF实战-deepspeed-chat实战
2024智源大会 特邀报告 Reinforcement Learning with Large Datasets
08大模型全栈-强化学习01-RLHF前言传统强化学习
为什么要特征标准化 (深度学习)?
基于IsaacLab的人形机器人强化学习
什么是 LSTM RNN 循环神经网络 (深度学习)?
什么是 GAN 生成对抗网络 (深度学习)?
13大模型全栈-强化学习06-DPO流程、代码以及损失函数介绍
优化器 Optimizer 加速神经网络训练 (深度学习)
发论文idea来了,强化学习+Transformer 29个创新点汇总! 再也不用担心发论文了
09大模型全栈-强化学习02-RLHF前言LLM强化学习
什么是机器学习? What is machine learning?
[RLHF] 从 PPO rlhf 到 DPO,公式推导与原理分析
强化学习:杜布极大不等式的应用~