betway电竞

必威英雄联盟标签的问题[奖励]

必威电竞提出问题

有关奖励必威英雄联盟和奖励函数概念的问题（例如，在强化学习和马尔可夫决策过程中）。

65个必威英雄联盟问题
最新的
活性
赏金
没有回答
通过过滤
按
与标签
三
投票
1个回答
68的浏览量

如何转换的MDP与形式$ R奖励功能（S，A，S'）$，以和形式$ R与奖励功能的MDP（S，A）$？

AIMA的书中有一个练习，展示了一个MDP与奖励形式$r(s, a, s')$可以转换成一个MDP与奖励形式$r(s, a)$，和一个MDP与奖励形式$r(s)$等价…
1个
投票
0个答案
24个视图

最先进的算法不工作在自定义的RL环境

我试图在一个定制的、高度随机的环境(MDP)上训练一个RL代理。为了做到这一点，我正在使用由稳定基线提供的最先进的RL算法的现有实现…
1个
投票
1个回答
44个视图

你如何知道一个代理是否在强化学习中了解了它的环境?

我对强化学习和理解它很陌生。如果你使用强化学习算法（离散或连续）在一个环境（真实或模拟）上训练一个代理，那么如何。。。
2个
投票
1个回答
29日视图

在未来的某个遥远的时间里，不应该计算预期回报$t+n$而不是当前的时间$t$？

我是第一次学习RL。这可能是天真的，但是理解这样的想法有点奇怪，如果RL的目标是最大化预期收益，那么预期收益不应该是…
1个
投票
1个回答
27个视图

哪种奖励函数适用于使用知识图的推荐系统？

我一直在阅读这篇关于推荐系统使用强化学习(RL)和知识图(KGs)的论文。为了说明一些背景，该图有几个(有限多)实体，其中……
2个
投票
0个答案
23日视图

赛车游戏的奖励功能

我正忙于一个项目，在那里我正在为一个赛车游戏建立一个代理。在这个游戏是一个随机的地图，有速度的提高，为球员拿起和障碍行动，以减缓。。。
三
投票
1个回答
37个视图

具有稀疏报酬、连续行为和显著随机性的RL问题的适当算法

我正在研究一个具有以下属性的RL问题：奖励非常稀少，即除了终端非零奖励之外，所有奖励都是0。理想情况下，我不会使用任何奖励工程。。。
1个
投票
1个回答
27个视图

可以优化立即回报结果最大化回报的策略？

强化学习代理的目标是最大化预期回报，而预期回报通常是未来回报的折现总和。作为未来回报，回报确实是一个非常嘈杂的随机变量……
2个
投票
0个答案
23日视图

我应该如何为一个NLP问题设计一个奖励函数，其中两个模型互操作?

我想设计一个奖励功能。从第一个模型开始，我训练了两个模型对文本(段落和关键字)进行分类，我也得到了一些隐藏状态。第二种模式是……
0个
投票
1个回答
30个视图

什么是衡量强化学习代理的实际效果的最佳标准？

即使我们在每一个动作之后都得到了一个有价值的奖励信号，这个即时的奖励也只是近似于动作的短期好处。考虑到行动的长期影响，我们。。。
三
投票
2个答案
122的浏览量

状态操作的期望报酬公式下一个状态三元组作为一个三参数函数

在阅读关于强化学习的文章时，我发现了下面的一个表达式，它表示的是一个求和的期望回报，我无法解释这个值的分母。这个。。。
三
投票
0个答案
20个视图

如何投入工作的正常化PPO的背景下？

在PPO的上下文中，输入的标准化意味着什么?在每一集的每一个时间步，如果我跟踪它们，我只知道这个时间步和之前的时间步的值。这个…
2个
投票
0个答案
28个视图

DQN是如何训练来玩很多游戏的？

有人说DQN被用来玩很多Atari游戏。但到底发生了什么？DQN是只训练过一次（有来自所有游戏的一些数据）还是为每个游戏单独训练？什么是。。。
1个
投票
1个回答
94个视图

在RL，如果我分配了位置更好的发挥回报，该算法是学习什么？

我正在为游戏Connect 4创建一个RL应用。如果我告诉算法移动/标记位置将获得更大的奖励，那么它肯定什么也没有学到;这只是…
1个
投票
1个回答
38个视图

什么是奖励功能和值函数之间的关系？

为了在我的头脑中澄清这一点，价值函数通过累加所有未来(折现)的奖励来计算处于某一状态的“好”程度，而奖励函数是价值函数所使用的……

15 30. 50 每个页面
1个
2个 三 4个 5个