rainbow is all you need

هل تريد وكيل RL يتحرك بشكل جيد على أتاري؟

قوس قزح هو كل ما تحتاجه!

هذا تعليمي خطوة بخطوة من DQN إلى قوس قزح. يحتوي كل فصل على كل من الخلفيات النظرية والتنفيذ الموجهة للكائنات. فقط اختر أي موضوع تهتم به ، وتعلم! يمكنك تنفيذها على الفور مع كولاب حتى على هاتفك الذكي.

لا تتردد في فتح مشكلة أو طلب سحب إذا كان لديك أي فكرة لتحسينها. سائدا

إذا كنت تريد برنامجًا تعليميًا لأساليب التدرج السياسي ، فيرجى الاطلاع على PG هو كل ما تحتاجه.

محتويات

1. DQN [NBViewer] [كولاب]
2. DOPLEDQN [NBVIEWER] [COLAB]
3. تحديد الأولوية ExperiencerePlay [NBViewer] [Colab]
4. Duelingnet [nbviewer] [كولاب]
5. noisynet [nbviewer] [كولاب]
6. CUTATINGDQN [NBVIEWER] [COLAB]
7. N-Steplearning [NBViewer] [Colab]
8. قوس قزح [NBViewer] [كولاب]

المتطلبات الأساسية

يتم اختبار هذا المستودع باستخدام Python 3.8+

 git clone https://github.com/Curt-Park/rainbow-is-all-you-need.git
cd rainbow-is-all-you-need
make setup

كيفية الجري

 jupyter lab

الأوراق ذات الصلة

1. V. Mnih et al. ، "السيطرة على مستوى الإنسان من خلال تعلم التعزيز العميق". Nature ، 518 (7540): 529–533 ، 2015.
2. Van Hasselt et al. Arxiv preprint Arxiv: 1509.06461 ، 2015.
3. T. Schaul et al. Arxiv preprint Arxiv: 1511.05952 ، 2015.
4. Z. Wang et al. Arxiv preprint Arxiv: 1511.06581 ، 2015.
5. M. Fortunato et al. ، "شبكات صاخبة للاستكشاف." Arxiv preprint Arxiv: 1706.10295 ، 2017.
6. Mg Bellemare et al. ، "منظور توزيعي حول التعلم التعزيز." Arxiv preprint Arxiv: 1707.06887 ، 2017.
7. RS Sutton ، "تعلم التنبؤ من خلال طرق الاختلافات الزمنية." التعلم الآلي ، 3 (1): 9-44 ، 1988.
8. M. Hessel et al. ، "قوس قزح: الجمع بين التحسينات في تعلم التعزيز العميق". Arxiv preprint Arxiv: 1710.02298 ، 2017.

المساهمين

شكراً لهؤلاء الأشخاص الرائعين (مفتاح الرموز التعبيرية):

حديقة جينوو (كورت)	كيونغوان كيم	وي تشن ؟	وانغ لي ؟	Leeyaf	أحمد	روبرتو شيافوني
ديفيد يوان	Dhanushka2001

يتبع هذا المشروع مواصفات جميع المساهمين. مساهمات من أي نوع ترحيب!