没有合适的资源?快使用搜索试试~
我知道了~
文库首页
人工智能
深度学习
深度强化学习在Atari视频游戏上的应用.pdf
深度强化学习在Atari视频游戏上的应用.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
深度学习
数据分析
数据研究
参考文献
专业指导
0 下载量
147 浏览量
2021-08-19
00:45:56
上传
评论
收藏
1.01MB
PDF
举报
温馨提示
限时特惠:¥9.90
19.90
深度强化学习在Atari视频游戏上的应用.pdf
资源推荐
资源评论
deep-reinforcement-learning-atari-pong:强化学习DQN算法的PyTorch在OpenAI Atari Pong游戏中的应用
浏览:168
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D
深度强化学习在Atari视频游戏上的应用_石征锦.caj
浏览:51
深度强化学习在Atari视频游戏上的应用_石征锦.caj
atari-rl:Atari-TensorFlow中的深度强化学习算法
浏览:175
Atari-TensorFlow中的深度强化学习算法 使用深度强化学习来学习在TensorFlow中玩Atari 设置 git clone https://github.com/brendanator/atari-rl git submodule update --init conda create --name atari-rl python=3.5 source activate atari
atari-model-zoo:以Atari机器学习基准进行训练的经过训练的深度强化学习模型的二进制版本,以及使模型的可视化和分析易于进行以及跨训练算法进行比较的软件版本
浏览:168
雅达利动物园 该项目的目的是传播由各种算法训练的深度强化学习代理,并使其易于分析,比较和可视化。 希望减少摩擦,以便进一步研究了解强化学习主体。 该项目利用了出色的神经网络可视化库,并与集成。 在IJCAI 2019上发表了一篇介绍这项工作的论文:。 关于 该软件包附带二进制发行版,其中包括(1)通过各种深度强化学习方法在Atari游戏上训练的冻结模型,以及(2)在网络上托管的那些特工在其训练环
20190806-10篇经典深度强化学习资料.rar
浏览:53
1.Reinforcement learning_ An introduction....该篇文章是深度强化学习入门的一篇文章,可以将自己的深度强化学习算法在Atari游戏环境中进行测试,为下一步深度强化学习算法在星际争霸2或者DOTA等游戏中研究奠定基础。
多种深度强化学习算法在雅达利游戏breakout中的设计与实现
浏览:83
5星 · 资源好评率100%
多种深度强化学习算法在雅达利游戏breakout中的设计与实现
Deep Reinforcement Learning.pdf
浏览:45
5星 · 资源好评率100%
Leiden大学Aske Plaat教授《深度强化学习》 深度强化学习近年来备受关注。在自动驾驶、游戏、分子重组和机器人等各种活动中,他们都取得了令人印象深刻的成果。在所有这些领域,计算机程序已经学会了解决困难的问题...
基于深度强化学习方法DQN完成 Atari游戏breakout的AI设计python源码+文档说明
浏览:35
运用深度强化学习方法DQN完成 Atari游戏breakout的AI设计 项目描述:Atari游戏AI设计: (1)理解深度学习基础概念和强化学习基础概念; (2)熟悉gym[atari]环境中的breakout游戏,学会控制游戏的进行,了解设计AI...
reaver:Reaver:模块化深度强化学习框架。 专注于《星际争霸2》。 支持Gym,Atari和MuJoCo
浏览:2
Reaver:模块化深度强化学习框架 项目状态:不再维护! 不幸的是,我不再能够进一步开发该项目或为其提供支持。 介绍 Reaver是一个模块化的深度强化学习框架,专注于各种基于StarCraft II的任务,紧随DeepMind的脚步,他们通过玩具有类似于人机界面的现代视频游戏的镜头推动了该领域的最新发展,局限性。 这包括观察与人类玩家感知到的视觉特征相似(但不完全相同)的视觉特征,以及从人类
async-deeprl:使用TensorFlow实现异步深度Q学习的Atari游戏
浏览:81
异步深度强化学习 从Google DeepMind的论文实现异步一步式Q学习 当前实施异步一步式Q学习的基准: 设备 输入形状 FPS (不计算跳过的帧) GPU GTX 980 Ti 84x84x4 〜530 CPU核心i7-3770 @ 3.40GHz(4核,8线程) 84x84x4 〜300 要求 基于Linux的OS或Mac OS X; (推荐); 或手动安装pyth
强化学习 –baseline项目之gym中的Atari游戏的环境重写
浏览:9
5星 · 资源好评率100%
gym中集成的atari游戏可用于DQN训练,但是操作还不够方便,于是baseline中专门对gym的环境重写,以更好地适应dqn的训练 从源码中可以看出,只需要重写两个函数 reset()和step() ,由于render()没有被重写,所以画面就没有被显示出来了 1.NoopResetEnv()函数,功能:前30帧画面什么都不做,跳过。这有利于增加初始画面的随机性,不容易陷入过拟合
DeepQLearning.jl:在“使用深度强化学习玩Atari”中描述的DeepMind的Deep Q学习算法的Julia实现
浏览:126
DeepQLearning.jl 如使用所述,DeepMind的Deep Q-Learning算法的Julia实现。 此代码仅实现基本算法。 它不包括卷积网络的代码。 但是,可以使用Mocha.jl轻松添加。 取而代之的是,它使用了更简单的单层神经网络。 有关原始 注意:此库已经过各种学习任务的测试,似乎可以正常运行,但尚未准备好供公众使用。 范例程式码 using DeepQLearning
Deep-Q-Learning:这是我尝试实施Volodymyr Mnih,Koray Kavukcuoglu,David Silver,Alex Graves,Ioannis Antonoglou,Daan Wierstra和Martin Riedmiller撰写的论文“通过深度强化学习玩Atari”。 这是我在阅读和实施研究论文时的首次尝试
浏览:20
深度学习 有帮助的资源 谢谢 谢谢至 @edkazcarlson @ moneill0 @ 20hub @yichenlilyc @dtkatch 对于深夜/清晨帮助
Atari游戏Roms.zip
浏览:76
Atari2600个街机游戏环境,从http://www.atarimania.com/rom_collection_archive_atari_2600_roms.html 网站上下载的文件。
breakout-Deep-Q-Network:强化学习| 在Atari Breakout上执行DQN,对决DQN和Double DQN的tensorflow实现
浏览:161
:person_running: [强化学习]在Atari Breakout游戏上执行的Deep Q Network(DQN),决斗DQN和Double DQN的张量流实现 安装 键入以下命令以安装OpenAI Gym Atari环境。 $ pip3 install opencv-python gym gym[atari...
gym[atari,accept-rom-license] Atari2600 游戏组件 Roms.tar.gz
浏览:38
安装gym[accept-rom-license]时会出现安装失败的情况,因为Roms.tar.gz文件因网络问题下载不下来,而且这个包不是很好找(google上也没找到,还是在一段代码里看见的下载地址),使用一下方法替代: step1:先安装...
Python库 | atari-py-0.2.9.tar.gz
浏览:153
资源分类:Python库 所属语言:Python 资源全名:atari-py-0.2.9.tar.gz 资源来源:官方 安装方法:https://lanzao.blog.csdn.net/article/details/101784059
DQN-Atari-Tensorflow, 在Tensorflow中,使用深度Q 学习的最简单.zip
浏览:8
DQN-Atari-Tensorflow, 在Tensorflow中,使用深度Q 学习的最简单 DQN-Atari-Tensorflow在Tensorflow中实现"深度强化学习的人级控制"这可能是DQN最简单的实现Atari游戏的实现。pretrained网络即将发布 ! ...
Atari-environment-Alien_v0:Atari游戏环境的描述性代码(专门针对基于情感的外星人v0强化学习算法)
浏览:184
目录 列出了可在其上运行算法的Gym环境。 如何创建自己的健身环境。 通用包装的列出的环境。 这些可以对代理与环境之间交换的数据执行预处理/后处理。 包含与Gym环境兼容的代理列表。 代理有助于针对环境运行算法。 是其他增值工具和实用程序的集合。 这些内容可以是任何东西,从一个便捷的lib到一系列视频教程或新的语言绑定。
batch_rl:Atari 2600游戏上的离线强化学习(又名批量强化学习)
浏览:20
离线强化学习的乐观观点(ICML,2020年) 该项目使用框架提供开放源代码实施,以运行提到的实验。 在这项工作中,我们使用DQN代理的记录的经验在脱机设置(即 )中训练非策略代理(如下所示),而在训练过程中不与环境进行任何新的交互。 有关项目页面,请参考 。 如何在50M数据集上训练脱机代理而没有RAM错误? 请参阅 。 DQN重播数据集(记录的DQN数据) DQN重播数据集的收集方式如下
exploring-reinforcement-learning:孟买IIT的人工智能和机器学习课程项目(CS337),2019年秋季。 对两个经典Atari游戏Breakout和Pong的不同强化学习算法进行了比较分析
浏览:54
突围和乒乓球强化学习 AIIT的课程项目(CS-337),2019年秋季,孟买IIT。 该项目探索以下强化学习算法,并对游戏Breakout和Pong进行比较分析: 深度Q学习 优势演员批判性学习 近端政策优化 信任区域政策优化 请访问和培训结束后,AI播放Breakout和Pong的演示视频。
Python-在Atari游戏环境中用PyTorch实现具有重播体验的深度QLearning
浏览:72
在Atari游戏环境中用PyTorch实现具有重播体验的深度Q-Learning,由Google DeepMind公开发布
atari800-3.0.0.tar.gz_atari800
浏览:168
atari800 linux emulator
Reinforcement-Learning:使用pytorch进行深度强化学习
浏览:88
通过深度强化学习玩Atari( ) Rainbow:结合深度强化学习的改进( ) 借助双Q学习进行深度强化学习( ) 优先体验重播( ) 深度强化学习的决斗网络架构( ) 嘈杂的勘探网络( ) 重温体验重播的基本原理...
Python数据分析与可视化大作业 + 源代码 + 数据 + 详细文档
浏览:97
Python数据分析与可视化大作业 + 源代码 + 数据 + 详细文档
基于Python Django招聘数据分析可视化预测系统 .zip
浏览:185
基于Python Django招聘数据分析可视化预测系统系统提供了一种创新的解决方案,对于社会具有广泛的可行性。通过自动化数据爬取和分析,系统能够为求职者和招聘方提供更准确、及时的信息,促进了人才与岗位的匹配,提升了招聘效率。系统提供的数据可视化功能有助于深入理解招聘市场的趋势和特点,为政府部门、企业决策者以及研究人员提供了有价值的参考,有助于优化就业政策和人才培养方案。
基于Python爬虫实现天气预报和数据可视化分析,应付数据分析大作业
浏览:171
基于Python爬虫实现天气预报和数据可视化分析,应付数据分析大作业,内含Python原文件及所需库说明
EDA探索式数据分析案例数据集
浏览:94
EDA探索式数据分析案例数据集
评论
收藏
内容反馈
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
限时特惠:¥9.90
19.90
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
结冰架构
粉丝: 805
资源:
28万+
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
IMG20240521103815.jpg
松下A4系列伺服参数调试软件
code.zip
win11关闭更新工具和一些常用工具
ApacheJMeter-ssh-1.2.0.jar jsch-0.1.55.jar
nacos-opera(k8s)具体方法解决
Linux 下常用的命令大全
ISO3166国家区号 转电话区号
VC++深入详解-孙鑫,孙老师的C++ 课程的配套demo 源码
WEB-浏览器指纹browser-fingerprintjs库
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功