文件清单 73 项

• 1:强化学习通过智能体与环境交互进行学习.mp4
• 2:引入马尔科夫链和价值评估的Q值与V值.mp4
• 3:详解Q值和V值以及它们之间关系.mp4
• 4:蒙特卡洛采样回溯计算V值.mp4
• 5:蒙特卡洛和时序差分估算状态V值.mp4
• 6:SARSA算法和Q-learning算法.mp4
• 7:理解Q-table_创建maze交互环境.mp4
• 8:代码实战Q-Learning_Agent和Env整体交互.mp4
• 9:代码实战Q-Learning智能体选择行为.mp4

展开全部 73 项

• 10:代码实战Q-Learning智能体训练模型.mp4
• 11:代码实战Sarsa_Agent和Env整体交互.mp4
• 12:代码实战Sarsa_Agent选择行为和训练模型.mp4
• 13:代码实战SarsaLambda_训练模型.mp4
• 14:DQN算法思想.mp4
• 15:DQN算法具体流程.mp4
• 16:ε-greedy_ReplayBuffer_FixedQ-targets.mp4
• 17:代码实战DQN_Agent和Env整体交互.mp4
• 18:代码实战DQN_构建Q网络.mp4
• 19:代码实战DQN_定义损失函数_构建Target网络更新逻辑.mp4
• 20:代码实战DQN_训练阶段得到Q网络的预测值和真实值.mp4
• 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.mp4
• 22:DQN会over-estimate的本质原因.mp4
• 23:DoubleDQN缓解over-estimate.mp4
• 24:DoubleDQN代码实战.mp4
• 25:DuelingDQN.mp4
• 26:困难样本挖掘_Multi-step_NoiseyNet系统的探索.mp4
• 27:计算Action的方差避免风险.mp4
• 28:Rainbow_DQN如何计算连续型的Actions.mp4
• 29:策略梯度PG_对比基于值和基于策略网络的区别.mp4
• 30:策略梯度PG_明确目标函数和导函数.mp4
• 31:策略梯度PG_简化导函数的公式推导.mp4
• 32:策略梯度PG_总结整体流程_对比交叉熵损失函数求导.mp4
• 33:策略梯度PG_讲解CartPole环境.mp4
• 34:代码实战_策略梯度PG和CartPole交互.mp4
• 35:代码实战_策略梯度PG网络构建.mp4
• 36:代码实战_策略梯度PG选择行为和参数训练.mp4
• 37:策略梯度PG_对TotalReward进行均值归一化.mp4
• 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.mp4
• 39:ActorCritic原理_把PG和QLearning结合起来.mp4
• 40:AdvantageActorCritic_共享参数和修改reward技巧.mp4
• 41:代码实战_ActorCritic与环境交互.mp4
• 42:代码实战_Actor网络构建及训练.mp4
• 43:代码实战_详解Critic网络构建及训练.mp4
• 44:A3C架构和训练流程.mp4
• 45:Pendulum环境_根据网络预测的μ和σ得到连续型的action值.mp4
• 46:代码实战_A3C_讲解Coordinator调度多线程运算.mp4
• 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.mp4
• 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.mp4
• 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.mp4
• 50:代码实战_A3C_结合流程图分三点总结前面讲的代码.mp4
• 51:代码实战_A3C_讲解线程中worker和环境交互.mp4
• 52:代码实战_A3C_讲解线程中worker和GlobalNet交互_代码运行效果展示.mp4
• 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.mp4
• 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.mp4
• 55:代码实战_DDPG_Critic网络构建_Actor网络链式求导.mp4
• 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.mp4
• 57:TD3_使用DoubleNetwork优化DDPG.mp4
• 58:PPO_强调AC如何输出连续型动作_区分On-Policy与Off-Policy.mp4
• 59:PPO_通过重要性采样使得PPO可以做Off-Policy学习.mp4
• 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.mp4
• 61:PPO_PPO1,TRPO,PPO2三种不同的方式解决两个分布不同的问题.mp4
• 62:代码实战_PPO与环境整体交互_Actor与Critic网络构建.mp4
• 63:代码实战_定义PPO1和PPO2不同版本Actor的Loss计算逻辑.mp4
• 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.mp4
• 65:DPPO分布式PPO.mp4
• 66:代码实战_DPPO_创建一个PPO和多个Worker_创建多线程.mp4
• 67:代码实战_DPPO_GlobalPPO和Workers交替执行.mp4
• 31,[加课]强化学习[新增]/
• 章节1:Q-Learning与SARSA算法/
• 章节2:DeepQ-LearningNetwork/
• 章节3:PolicyGradient策略梯度/
• 章节4:ActorCritic(A3C)/
• 章节5:DDPG,PPO,DPPO算法/