Self-Supervised Attention-Aware Reinforcement Learning.pdf
本文设计了一个自我监督的注意模块，该模块可以识别感兴趣的显着区域，而无需明确的手工标记注释。在现有的以CNNs为特征提取器的深度RL方法中，可以直接即插即用。
注意模块学习的是前景注意掩码，而不是预定义的关键点数量。
文件下载
评论信息
其他资源
- 模式识别（电子科技大学，课件）
- QNX 官方完全源代码 供学习参考 展开200M
- 卡尔曼滤波C语言实现
- 小车转弯利用差速
- opengl实现太阳系动态模型，地球，月球，太阳
- s/key协议及部分加密算法
- phoenix-5.0.0-cdh6.2.0-client.jar
- BlockStack，ATC‘16的一篇文章，区块链的新应用，PPT讲解
- Matlab求解微分方程(组)及偏微分方程(组)
- PowerDesigner 破解版 永久免费
- 联想 lenovo 主板 945GZT-LM G31T-LM BIOS CPU E5400
- OSG虚拟校园漫游
- 测试用例+详细
- verilog实现含FIFO的RS232串口收发程序源代码
- Java核心技术 卷I 基础知识（原书第10版）中文版高清完整.pdf
- 户籍管理系统
- DualShock_3_SCE_Wireless_Controller_Driver_v3.0.0.0.zip
- 使用新的设计公式将递归神经网络加速到有限时间收敛及其在时变矩阵平方根中的应用
- 利用信号进行进程间通信
- 钉钉智能数字化酒店解决方案 .pdf
- R语言实验素材——铁离子.xlsx
- Flash CS3 ActionScript.3.0游戏开发基础与范例(含源码)
- EventBus.jar
- python大数据
- C#串口调试助手
- Django 2 Web Development Cookbook 3rd Edition
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明