Udacity深度强化学习纳米学位-项目3：合作与竞争
介绍
对于这个Udacity项目，我使用了一个DDPG代理来解决多代理协作环境。
在这种环境下，两名特工控制球拍在球网上弹跳球。 如果探员将球击中网，则得到+0.1的奖励。 如果探员让一个球击中地面或越界将球击中，则其收益为-0.01。 因此，每个特工的目标是保持比赛中的球权。
观察空间由8个变量组成，分别对应于球和球拍的位置和速度。 每个代理都会收到自己的本地观察结果。 有两个连续的动作可用，分别对应于朝向（或远离）网络的运动和跳跃。
该任务是情节性的，并且为了解决环境，您的特工必须获得+0.5的平均分数（在两个特工均取得最大分值之后，连续100次以上）。 具体来说，
在每个情节之后，我们将汇总每个代理商的奖励（不打折），以获得每个代理商的得分。 这将产生2个（可能不同）的分数。 然后，我们取这两个分数中的最大值。
这为每
2022-01-13 16:41:31
1.06MB
1
matlab分时代码
主体间关联教程
此回购随附Nastase，Gazzola，Hasson和Keysers（）的文章“社会认知和情感神经科学”的“交易工具”系列中的文章“使用受试者之间的相关性测量受试者之间的共享React”。
在这里，您将找到Jupyter
Notebook教程（），介绍基本的对象间相关性（ISC）分析和统计测试，这些内容是使用Python借助Brain
Imaging
Analysis
Kit（）实现的。
笔记本使用模拟数据和fMRI示例数据集作为集合（）的一部分公开提供。
使用Google
Colaboratory，您可以完全在云中在教程笔记本中以交互方式运行分析。
要直接导航到Google
Colab上的笔记本，请单击此处：。
该笔记本适用于职业生涯早期的认知神经科学家（例如，研究生）或不熟悉ISC分析的研究人员。
我们假设对Python有一些基本的了解。
本教程对以下主题进行了介绍性处理：
计算ISC
计算ISFC
ISC的统计测试
更正多个测试
加载和可视化fMRI数据
除了本教程之外，此存储库还包含（
a
）用于计算留一法式ISC的MATLAB代码（）和
2021-12-27 21:40:30
1.02MB
1