3、【加课】强化学习【新增】

发布时间：2025-04-21

发布者：

箫声咽月

文件大小：共计67个文件，合计:2.55 GB

资源金币：4.99 金币

资源来源：夸克网盘

资源状态：【实时检测】链接有效

本站会员，可以免费下载全站所有资源

资源目录结构(只展示部分的文件和文件夹，以下文件快照生成于2025-04-21)

资源投诉

31、【加课】强化学习【新增】2.55 GB

章节5：DDPG、PPO、DPPO算法585.66 MB

67：代码实战_DPPO_GlobalPPO和Workers交替执行.mp448.49 MB

65：DPPO分布式PPO.mp436.43 MB

66：代码实战_DPPO_创建一个PPO和多个Worker_创建多线程.mp433.08 MB

62：代码实战_PPO与环境整体交互_Actor与Critic网络构建.mp428.52 MB

64：代码实战_剖析PPO代码中如何体现Off-Policy的学习方式_效果展示.mp434.44 MB

60：PPO_重要性采样的问题_期望矫正但是方差还是不同带来的问题.mp434.49 MB

54：代码实战_DDPG_构建Actor和Critic四个网络_定义Critic求loss和求梯度的逻辑.mp445.45 MB

56：代码实战_DDPG_与环境之间的互动_AC训练调整参数_效果展示.mp438.76 MB

53：DDPG解决DQN不能输出连续型动作的问题_DDPG如何训练Actor和Critic.mp443.40 MB

59：PPO_通过重要性采样使得PPO可以做Off-Policy学习.mp432.08 MB

63：代码实战_定义PPO1和PPO2不同版本Actor的Loss计算逻辑.mp436.15 MB

57：TD3_使用DoubleNetwork优化DDPG.mp457.07 MB

55：代码实战_DDPG_Critic网络构建_Actor网络链式求导.mp450.11 MB

61：PPO_PPO1、TRPO、PPO2三种不同的方式解决两个分布不同的问题.mp432.50 MB

58：PPO_强调AC如何输出连续型动作_区分On-Policy与Off-Policy.mp434.69 MB

章节3：PolicyGradient策略梯度331.55 MB

30：策略梯度PG_明确目标函数和导函数.mp433.85 MB

38：策略梯度PG_同一个回合中不同的action回溯不同的TotalReward_代码实战.mp430.66 MB

36：代码实战_策略梯度PG选择行为和参数训练.mp432.87 MB

34：代码实战_策略梯度PG和CartPole交互.mp444.45 MB

32：策略梯度PG_总结整体流程_对比交叉熵损失函数求导.mp430.01 MB

29：策略梯度PG_对比基于值和基于策略网络的区别.mp436.10 MB

33：策略梯度PG_讲解CartPole环境.mp431.95 MB

35：代码实战_策略梯度PG网络构建.mp428.63 MB

31：策略梯度PG_简化导函数的公式推导.mp433.34 MB

37：策略梯度PG_对TotalReward进行均值归一化.mp429.71 MB

章节1：Q-Learning与SARSA算法493.43 MB

10：代码实战Q-Learning智能体训练模型.mp435.49 MB

7：理解Q-table_创建maze交互环境.mp440.23 MB

12：代码实战Sarsa_Agent选择行为和训练模型.mp437.68 MB

4：蒙特卡洛采样回溯计算V值.mp441.14 MB

6：SARSA算法和Q-learning算法.mp439.56 MB

9：代码实战Q-Learning智能体选择行为.mp433.94 MB

3：详解Q值和V值以及它们之间关系.mp448.04 MB

8：代码实战Q-Learning_Agent和Env整体交互.mp430.03 MB

5：蒙特卡洛和时序差分估算状态V值.mp444.02 MB

11：代码实战Sarsa_Agent和Env整体交互.mp426.78 MB

13：代码实战SarsaLambda_训练模型.mp436.83 MB

2：引入马尔科夫链和价值评估的Q值与V值.mp435.03 MB

1：强化学习通过智能体与环境交互进行学习.mp444.67 MB

章节4：ActorCritic(A3C)559.85 MB

40：AdvantageActorCritic_共享参数和修改reward技巧.mp444.69 MB

43：代码实战_详解Critic网络构建及训练.mp450.74 MB

45：Pendulum环境_根据网络预测的μ和σ得到连续型的action值.mp444.49 MB

47：代码实战_A3C_定义Worker计算loss的逻辑_针对连续型的action提高actor探索性.mp432.62 MB

42：代码实战_Actor网络构建及训练.mp433.46 MB

39：ActorCritic原理_把PG和QLearning结合起来.mp450.02 MB

51：代码实战_A3C_讲解线程中worker和环境交互.mp445.16 MB

48：代码实战_A3C_增加actor探索性用到熵_定义worker正太分布抽样和求梯度的逻辑.mp432.10 MB

46：代码实战_A3C_讲解Coordinator调度多线程运算.mp427.84 MB

49：代码实战_A3C_定义AC网络结构_定义worker拉取参数和更新全局网络参数的逻辑.mp435.52 MB

50：代码实战_A3C_结合流程图分三点总结前面讲的代码.mp435.80 MB

41：代码实战_ActorCritic与环境交互.mp448.29 MB

44：A3C架构和训练流程.mp437.52 MB

52：代码实战_A3C_讲解线程中worker和GlobalNet交互_代码运行效果展示.mp441.57 MB

章节2：DeepQ-LearningNetwork639.12 MB

26：困难样本挖掘_Multi-step_NoiseyNet系统的探索.mp449.05 MB

24：DoubleDQN代码实战.mp439.68 MB

28：Rainbow_DQN如何计算连续型的Actions.mp434.36 MB

17：代码实战DQN_Agent和Env整体交互.mp446.11 MB

18：代码实战DQN_构建Q网络.mp441.08 MB

20：代码实战DQN_训练阶段得到Q网络的预测值和真实值.mp447.86 MB

14：DQN算法思想.mp435.24 MB

15：DQN算法具体流程.mp431.71 MB

27：计算Action的方差避免风险.mp428.80 MB

25：DuelingDQN.mp447.48 MB

19：代码实战DQN_定义损失函数_构建Target网络更新逻辑.mp450.96 MB

21：代码实战DQN_训练阶段最小化损失_记录loss方便展示_随着learn的越多选择action随机性减小.mp452.26 MB

22：DQN会over-estimate的本质原因.mp440.26 MB

16：ε-greedy_ReplayBuffer_FixedQ-targets.mp454.99 MB

23：DoubleDQN缓解over-estimate.mp439.29 MB

1、本网站数据来自互联网，通过自动抓取公开网页链接构建数据库，系统将基于链接特征选择性收录符合收录标准的内容

2、根据用户输入的关键词，通过智能算法自动匹配并展示相关第三方网页链接。所有搜索结果均为实时动态生成

3、本站不控制、修改第三方网页内容，不对其可用性、准确性负责

4、搜索结果中的广告及推广内容不代表本站推荐或担保

5、所有内容获取/呈现均通过自动化程序完成，无人工干预