basic_reinforcement_learning

การเรียนรู้การเสริมแรงขั้นพื้นฐาน (RL)

พื้นที่เก็บข้อมูลนี้มีวัตถุประสงค์เพื่อจัดเตรียมชุดบทนำเพื่อเสริมกำลังการเรียนรู้ (RL) โดยส่งมอบวิธีการเดินเกี่ยวกับวิธีการเขียนรหัสเทคนิค RL ที่แตกต่างกัน

รีวิวพื้นหลัง

มีการตรวจสอบพื้นหลังอย่างรวดเร็วของ RL ที่นี่

บทเรียน:

• บทช่วยสอน 1: Q-Learning
• บทช่วยสอน 2: Sarsa
• บทช่วยสอน 3: สำรวจโรงยิม Openai
• บทช่วยสอน 4: Q-Learning ใน Openai Gym
• บทช่วยสอน 5: Deep Q-Learning (DQN)
• บทช่วยสอน 6: Q-Learning ที่ลึกล้ำ
• บทช่วยสอน 7: การเรียนรู้การเสริมแรงด้วย ROS และ Gazebo
• บทช่วยสอน 8: การเรียนรู้การเสริมแรงใน DOOM ( ยังไม่เสร็จ )
• บทช่วยสอน 9: การไล่ระดับนโยบายเชิงลึกที่กำหนด (DDPG)
• การสอน 10: การค้นหานโยบายนำทาง (GPS) ( ยังไม่เสร็จ )
• บทช่วยสอน 11: การทบทวนเทคนิค AI ที่แตกต่างกันสำหรับ RL ( WIP )
• บทช่วยสอน 12: การตรวจสอบวิธีการไล่ระดับสี
• บทช่วยสอน 13: พื้นที่รัฐต่อเนื่องกับ DQN ( ผสาน )
• บทช่วยสอน 14: เทคนิคการเปรียบเทียบ RL
• บทช่วยสอน 15: การตรวจสอบการไล่ระดับสีวานิลลา (VPG) ( ล้มเหลวอย่างน่าสังเวช )

ข้อมูลอ้างอิง:

• Chris Watkins, การเรียนรู้จากรางวัลล่าช้า, Cambridge, 1989 (วิทยานิพนธ์)
• พื้นที่เก็บข้อมูลการเรียนรู้การเสริมแรงที่ยอดเยี่ยม https://github.com/aikorea/awesome-rl
• การเรียนรู้การเสริมแรง CS9417ml, โรงเรียนวิทยาศาสตร์คอมพิวเตอร์และวิศวกรรม, UNSW ซิดนีย์, http://www.cse.unsw.edu.au/~cs9417ml/rl1/index.html
• โพสต์บล็อกการเรียนรู้เสริมแรง, https://studywolf.wordpress.com/2012/11/25/reinforcement-learning-q-learning-ly-and-exploration/
• Openai Gym Docs, https://gym.openai.com/docs
• การใช้งาน Vincent Bons, https://gist.github.com/wingedsheep
• การเรียนรู้การเรียนรู้การเสริมแรงอย่างลึกล้ำของ David Silver, http://videolectures.net/rldm2015_silver_reinforcement_learning/
• Brockman, G. , Cheung, V. , Pettersson, L. , Schneider, J. , Schulman, J. , Tang, J. , & Zaremba, W. (2016) Openai Gym. arxiv preprint arxiv: 1606.01540
• https://sites.google.com/view/deep-rl-bootcamp/lectures
• https://github.com/vmayoral/gym-cryptocurrencies