您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. [2018]Deep Reinforcement Learning for Intelligent transportation predictoin.pdf

  2. 智能交通预测 深度强化学习 Intelligent Transportation Systems (ITSs) are envisioned to play a critical role in improving traffic flow and reducing congestion, which is a pervasive issue impacting urban areas around the globe. Rapidly advancing vehicular communic
  3. 所属分类:互联网

    • 发布日期:2020-04-10
    • 文件大小:754688
    • 提供者:qq_33866063
  1. Hindsight Experience Replay.pdf

  2. 关于Hindsight Experience Replay的原始论文,适合初学者对深度强化学习Hindsight Experience Replay的认识和了解is to periodically set the weights of the target network to the current weights of the main network(e. g Mnih et al. (2015)) or to use a polyak-averaged(Polyak and Judits
  3. 所属分类:讲义

    • 发布日期:2019-09-02
    • 文件大小:2097152
    • 提供者:m0_37384317
  1. Rainbow dqn.pdf

  2. 关于Rainbow dqn的原始论文,适合初学者对深度强化学习Rainbow 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:1048576
    • 提供者:m0_37384317
  1. Noisy Networks for Exploration.pdf

  2. 关于Noisy Networks for Exploration dqn的原始论文,适合初学者对深度强化学习Noisy Networks for Exploration dqn的认识和了解Published as a conference paper at ICLR 2018 T is assessed by the action-value function Q defined as Q"(.a)=配 ∑ rR(t, at) (1) where E is the expectation ove
  3. 所属分类:讲义

    • 发布日期:2019-09-02
    • 文件大小:5242880
    • 提供者:m0_37384317
  1. dueldqn.pdf

  2. 关于duelingdqn的原始论文,适合初学者对深度强化学习duelingdqn的认识和了解Dueling Network Architectures for Deep Reinforcement Learning et al.(2016). The results of Schaul et al.(2016) are the 2.1. Deep Q-networks current published state-of-the-art The value functions as descri
  3. 所属分类:讲义

    • 发布日期:2019-09-02
    • 文件大小:688128
    • 提供者:m0_37384317
  1. double_deep_reinforcement_learning.pdf

  2. 关于dqn的原始论文,适合初学者对深度强化学习double 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:789504
    • 提供者:m0_37384317
  1. DQN深度强化学习.pdf

  2. Human-level control through deep reinforcement learning
  3. 所属分类:机器学习

    • 发布日期:2020-06-20
    • 文件大小:4194304
    • 提供者:weixin_45392638
  1. Reinforcement-Learning:使用Q学习,DQN和DDQN进行强化学习-源码

  2. 强化学习 深度学习:优化 创建人:Vithurshan Vijayachandran和Hisho Rajanathan RLearning_NOTEBOOK.ipynb-适用于基本(Q学习)和高级任务(DQN和DDQN)的Jupyter笔记本。 RL_Rport.pdf:报告所有研究结果和评估。 使用以下预训练模型来测试网络,因为重新训练非常耗时。 DQNTrainingModel.h5-测试DQN网络所需的文件 DDQNTrainingModel.h5-测试DDQN网络所需的文件 DD
  3. 所属分类:其它

    • 发布日期:2021-03-29
    • 文件大小:2097152
    • 提供者:weixin_42126668