| 资源(55) |
时长( 00:00:00) |
播放量(114631) |
强化学习-学员网上学习行为规范 |
/
|
2464 |
|
强化学习-课程负责人简介 |
/
|
2436 |
|
强化学习-课程学习方法与策略 |
/
|
2377 |
|
强化学习-学习进度表 |
/
|
2385 |
|
2 Q-learning和Sarsa关键知识点 |
/
|
2028 |
|
3 策略梯度关键知识点 |
/
|
2041 |
|
案例 Q-learning解决悬崖寻路 |
/
|
2028 |
|
1 强化学习关键概念 |
/
|
1999 |
|
案例 REINFORCE算法求解小车爬山游戏 |
/
|
2009 |
|
案例 迷宫寻宝 |
/
|
2000 |
|
案例 利用策略迭代和值迭代求解迷宫寻宝问题 |
/
|
2000 |
|
案例 多臂老虎机问题策略的实现 |
/
|
2006 |
|
讲义1.1马尔可夫过程 |
/
|
2057 |
|
讲义1.2马尔可夫决策过程 |
/
|
2035 |
|
讲义1.4环境的确定性与随机性 |
/
|
2020 |
|
讲义2.3探索与利用平衡 |
/
|
2016 |
|
讲义2.5ε贪心策略 |
/
|
2042 |
|
讲义2.6案例训练 多臂老虎机问题策略实现 |
/
|
2040 |
|
讲义3.3状态价值的定义与思想 |
/
|
2052 |
|
讲义3.5值迭代法 |
/
|
2047 |
|
讲义4.1状态-动作价值函数 |
/
|
2078 |
|
讲义4.2Sarsa |
/
|
2057 |
|
讲义4.4Q-learning和Sarsa的对比 |
/
|
2069 |
|
讲义4.5DQN |
/
|
2076 |
|
讲义5.1Gym简介和环境加载 |
/
|
2087 |
|
讲义5.2Gym的使用方法 |
/
|
2075 |
|
讲义5.3Sarsa和Q-learning在悬崖寻路问题上的实现 |
/
|
2080 |
|
讲义6.1基于策略的思想 |
/
|
2086 |
|
讲义6.2随机性策略梯度方法 |
/
|
2071 |
|
讲义6.4蒙特卡罗方法 |
/
|
2085 |
|
讲义7.5广义优势函数估计 |
/
|
2077 |
|
讲义7.6DDPG的算法流程 |
/
|
2125 |
|
讲义2.4探索与利用的意义 |
/
|
2107 |
|
讲义7.2Actor-Critic的思想 |
/
|
2099 |
|
讲义7.3~7.4Actor-Critic的算法流程 |
/
|
2126 |
|
讲义6.3策略梯度定理的推导 |
/
|
2116 |
|
讲义6.5REINFORCE算法 |
/
|
2132 |
|
讲义4.3Q-learning |
/
|
2131 |
|
讲义3.1三连棋游戏第一步走中间 |
/
|
2188 |
|
讲义3.2三连棋游戏第一步走角落 |
/
|
2167 |
|
讲义2.1MAB问题描述 |
/
|
2193 |
|
讲义2.2简单策略和贪婪策略 |
/
|
2170 |
|
讲义1.3环境已知与未知 |
/
|
2182 |
|
讲义1.5强化学习的应用 |
/
|
2186 |
|
讲义7.1策略梯度方法的缺点 |
/
|
2222 |
|
讲义3.4策略迭代法 |
/
|
2185 |
|
案例 AC实现小车倒立摆游戏 |
/
|
2321 |
|
强化学习-课程考核大纲 (7.4) |
/
|
2380 |
|
强化学习-课程教学大纲 (7.4) |
/
|
2284 |
|
强化学习-课程教学设计一体化实施方案 (7.4) |
/
|
2280 |
|
第七单元 Actor-Critic-new |
/
|
1641 |
|
第四单元 QLearning |
/
|
1647 |
|
强化学习-课程教学大纲202309 |
/
|
1608 |
|
强化学习-课程教学设计一体化实施方案202309 |
/
|
1606 |
|
强化学习-课程考核大纲202309 |
/
|
1612 |
强化学习-学员网上学习行为规范