人工智能-项目实践-强化学习-基于深度强化学习的原神自动钓鱼A Introduction 现已支持不同分辨率屏幕 原神自动钓鱼AI由YOLOX, DQN两部分模型组成。使用迁移学习，半监督学习进行训练。 模型也包含一些使用opencv等传统数字图像处理方法实现的不可学习部分。 其中YOLOX用于鱼的定位和类型的识别以及鱼竿落点的定位。DQN用于自适应控制钓鱼过程的点击，让力度落在最佳区域内。

SLM Lab是PyTorch中的模块化深度强化学习框架 PyTorch 中的 SLM 实验室模块化深度强化学习框架。 文档：https://slm-lab.gitbook.io/slm-lab/ BeamRider Breakout KungFuMaster MsPacman Pong Qbert Seaquest Sp.Invaders Ant HalfCheetah Hopper Humanoid Inv.DoublePendulum InvertedPendulum Reacher Walker

使用Python和Keras进行深度学习/强化学习股票投资-定量投资和算法交易的前沿解决方案简介（修订版） 强化学习是一种很好的应用于股票数据学习的自学习机器学习技术。 本书介绍了如何使用Python进行基于强化学习的股票投资模拟程序的开发。 为此，我在理论和代码级别上添加了详细的说明。 通过本书，您将能够理解深度学习和强化学习，并将其用于包括股票投资在内的多个领域。 购买链接 本书涵盖的内容 深度学习与强化学习理论 如何将强化学习应用于股票投资 基于强化学习的股票投资系统开发 采集和处理实际库存数据以进行强化学习 如何通过强化学习来学习库存数据 如何使用学习型强化学习模型 如何基于强化学习定制股票投资系统 首选项 pip install tensorflow==1.15.2 pip install plaidml-keras==0.6.2 pip install mplfinan

通过深度强化学习训练贪吃蛇,让其自动进行觅食避障行走+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

：利用矩阵的Kronecker积．对矩阵变量给出了矩阵微分算子．任一矩阵值函数关于矩阵变量 的导数定义为矩阵微分算子与矩阵值函数的右Kroneeker积，从而通常的一元函数的导数、多元 函数的偏导数、梯度等概念都可作为其特殊情形．文中得出了矩阵微分算子的三条基本性质并由 此建立了函数矩阵的导数、数量函数对矩阵变量的导数及矩阵值函数对矩阵变量的导数之间的联 系．作为Kroneeker积的另一应用，文中得出了矩阵方程A = 有非零解矩阵的充分条件是；当 ， ， ⋯ ． 是 阶矩阵A与 的全部互异特征值，岛，ri分别为 在矩阵A与 中的重数时， J 五 ri≥ 1．

基于深度强化学习的乒乓球游戏训练和测试仿真,实现机器人自动打乒乓球+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme2.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 注意，训练过程，较为漫长，需要电脑配置高点，然后耐心等待其训练。训练完成之后，运行runme2看其打乒乓球效果。 具体可观看提供的操作录像视频跟着操作。

使用强化学习和深度强化学习算法来优化基于无人机的蜂窝网络以获得更高的吞吐量

著名的强化学习算法 Proximal Policy Optimization 的另一种自定义实现，也称为 PPO

基于策略梯度的深度强化学习的机器人模型学习行走仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

IEEE COMMUNICATIONS SURVEYS & TUTORIALS, VOL. 21, NO. 4, FOURTH QUARTER 2019 Nguyen Cong Luong , Dinh Thai Hoang , Member, IEEE, Shimin Gong , Member, IEEE, Dusit Niyato , Fellow, IEEE,PingWang , Senior Member, IEEE, Ying-Chang Liang , Fellow, IEEE, and Dong In Kim , Fellow, IEEE