注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Python 强化学习 DQN Flappy Bird

  2. Playing Flappy Bird Using Deep Reinforcement Learning (Based on Deep Q Learning DQN)

  3. 所属分类：机器学习

    • 发布日期：2018-09-25
    • 文件大小：12582912
    • 提供者：asd136912

  1. 深度强化学习 DQN系列论文

  2. 深度强化学习系列论文，包括最基础的DQN，DQN模型改进，DQN算法改进，分层DRL，基于策略梯度的深度强化学习等等，论文基本源自顶会

  3. 所属分类：深度学习

    • 发布日期：2020-01-31
    • 文件大小：72351744
    • 提供者：weixin_43333326

  1. 1.dqn.ipynb

  2. 关于dqn的例子，适合初学者对深度强化学习dqn的认识和了解

  3. 所属分类：讲义

    • 发布日期：2019-09-02
    • 文件大小：111616
    • 提供者：m0_37384317

  1. DQN实现走迷宫（tkinter编写环境）

  2. Python实现走迷宫，迷宫环境可视化，代码参考莫烦python，可以直接运行，DQN网络使用tensorflow搭建，代码注释非常全，基本每一句都有，而且可以使用tensorboard查看日志，需要将log_out参数设置为true

  3. 所属分类：机器学习

    • 发布日期：2020-07-30
    • 文件大小：14336
    • 提供者：cherreggy

  1. 详细分析莫烦DQN代码

  2. 详细分析莫烦DQN代码 Python入门，莫烦是很好的选择，快去b站搜视频吧！ 作为一只渣渣白，去看了莫烦的强化学习入门， 现在来回忆总结下DQN，作为笔记记录下来。 主要是对代码做了详细注释 DQN有两个网络，一个eval网络，一个target网络，两个网络结构相同，只是target网络的参数在一段时间后会被eval网络更新。 maze_env.py是环境文件，建立的是一个陷阱游戏的环境，就不用细分析了。 RL_brain.py是建立网络结构的文件： 在类DeepQNetwork中，有五个函数

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：81920
    • 提供者：weixin_38696590

  1. dqn_agent:dqn大脑和记忆供私人使用-源码

  2. dqn_agent dqn大脑和记忆供私人使用

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：519168
    • 提供者：weixin_42116650

  1. my_PDQN:我的纸张Parameterized-DQN代码-源码

  2. my_PDQN:我的纸张Parameterized-DQN代码

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：5120
    • 提供者：weixin_42099116

  1. DQN-toys:在建筑游戏特工上使用深度强化学习的玩具模型-源码

  2. DQN玩具 用于在构建游戏代理上使用深度强化学习的玩具模型。

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：16384
    • 提供者：weixin_42099302

  1. DQN-源码

  2. DQN和DUEN DQN算法的实现 这两种算法都是在开放式健身房的更严寒的环境中执行的。 在FROGGER-v0环境中实施DQN，在FROGGER-v1环境中实施DQN

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：31744
    • 提供者：weixin_42121272

  1. deep-reinforcement-learning-atari-pong:强化学习DQN算法的PyTorch在OpenAI Atari Pong游戏中的应用-源码

  2. Atari Pong中的深度强化学习算法 概括 此应用程序的目标是找出深度Q学习（DQN）在OpenAI环境中对Pong的Atari 1600游戏有多准确和有效。 在DQN之上，测试了对相同算法的其他改进，包括多步DQN，Double DQN和Dueling DQN。 从下图可以看出，基本DQN仅需玩约110场游戏即可达到类似于人的准确性，而经过300场游戏即可达到极高的准确性。 此项目中考虑的DQN改进版本显示出效率和准确性方面的一些改进。 基本DQN：第1集与第216集 环保环境 Atar

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：1048576
    • 提供者：weixin_42125867

  1. Missile-control-with-DQN-源码

  2. 海防环境的导弹目标选择任务 流程介绍：敌方舰艇以固定阵型排列，我方18枚导弹依次选择攻击目标并以直线轨迹攻击，攻击过程中若进入防御舰艇的防御长度内则有一定几率被拦截，舰艇被攻击一定次数后死亡，同样的，可以根据任务需求，通过改变不同类型的舰艇艇的价值来调整导弹攻击的侧重点，综上，需要合理选择攻击目标和攻击并以预期的伤害最大化 状态空间定义为18个导弹的目标选择，初始化为[-1] * 18，每进行一个步骤填进去一个动作（攻击目标）动作空间定义为可以选择的舰艇数量，如果有7个舰艇则动作空格〜[0，6]

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：83886080
    • 提供者：weixin_42121905

  1. TicTacToe:井字游戏，旨在用于通过强化学习（DQN）训练深度神经网络。 它也可以由2个人玩，并具有硬编码的AI，该AI永不松动，如果您不对其进行完美的游戏，则将获胜。-源码

  2. 深度Q学习井字游戏 该程序实现了一个PyGame TicTacToe，该游戏可以由两个人玩，一个人对一个算法AI，一个人对一个通过对付算法AI训练的神经网络。 训练算法使用Deep Mind的DQN建议： 重播经验记忆已实现，上限为250,000次 每轮训练都使用来自重播记忆库的大量随机经验 使用辅助神经网络来计算未来的Q值，然后每10场游戏用主网络的权重对其进行更新。 有关更多信息： :

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：3145728
    • 提供者：weixin_42181693

  1. DQN实战-附件资源

  2. DQN实战-附件资源

  3. 所属分类：互联网

  1. DQN实战-附件资源

  2. DQN实战-附件资源

  3. 所属分类：互联网

  1. DQN-Pytorch：在Pytorch中实现DQN-源码

  2. DQN-Pytorch 在Pytorch中实现DQN

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：6144
    • 提供者：weixin_42116672

  1. CDP-ReinforcementTrading-：使用强化学习算法创建交易机器人-DQN-源码

  2. CD Projekt RED-强化交易 使用DQN创建RL交易机器人。

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：274432
    • 提供者：weixin_42109545

  1. 编译器gym-dqn-源码

  2. 编译器gym-dqn

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：6144
    • 提供者：weixin_42104947

  1. Breakout-RL：使用带有CNN的DQN解决OpenAI Gym Env突破-源码

  2. Breakout-RL：使用带有CNN的DQN解决OpenAI Gym Env突破

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：5120
    • 提供者：weixin_42165712

  1. dqn：深度神经网络-源码

  2. dqn 深层神经网络

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：7168
    • 提供者：weixin_42098104

  1. DQN-Pong-From-Pixels-源码

  2. DQN-Pong-From-Pixels

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：90112
    • 提供者：weixin_42133680
« 12 3 4 5 6 7 8 9 10 »