使用PyTorch和Unity ML-Agent进行深度Q网络（DQN）强化学习
一个简单的示例，说明如何使用PyTorch和ML-Agents环境实现基于矢量的DQN。 深度强化学习（DRL）中的Udacity Danaodgree项目
该存储库包含以下与DQN相关的文件：
dqn_agent.py-> dqn-agent实现
replay_memory.py-> dqn-agent的重播缓冲区实现
model.py->用于基于向量的DQN学习的示例PyTorch神经网络
train.py->初始化并实施DQN代理的训练过程。
test.py->测试受过训练的DQN代理
根据Udacit
2021-04-10 16:10:27
2.72MB
1
hpunix系统zabbix客户端介质，网上好不容易找到的资源，亲测可用。
2021-03-30 15:15:02
529KB
1
Consensus Problems in Networks of Agents With.pdf
2021-03-29 09:02:54
530KB
1
面向初中和高年级研究生的教科书。 它使用相干框架介绍了人工智能（AI），以研究智能计算代理的设计。
2021-02-22 09:29:40
91B
1
Secure Mobile Agents in eCommerce with Forward-Secure Undetachable Digital Signatures
2021-02-10 16:05:35
730KB
1
强化学习的新书。基于Openai gym，Openai gym是一个用于开发和比较RL算法的工具包。
2020-01-03 11:18:40
12.92MB
1
图灵奖获得者Robin Milne的书，还是值得一看的
2019-12-21 22:25:45
1.28MB
1