网站首页 第23页
-
RA-L 2023 | 学会寻找从未听过的声源
本文是IEEERoboticsandAutomationLetters(RA-L)接收论文LearningSemantic-AgnosticandSpatial-AwareRepresentationforGen...
2024-11-08 btikc 技术文章 2 ℃ 0 评论 -
DeepMind最新研究动向，帮助实现单智能体多任务强化学习
深度强化学习（DeepRL）在很多任务中取得了成功，从机器人的连续控制问题到围棋、Atari等游戏。不过这些领域中的进步还限制在单个任务，即在单个任务中对智能体进行调整和训练。DeepMind最近提出的IMPALA开始尝试利用单智能...
2024-11-08 btikc 技术文章 2 ℃ 0 评论 -
RLHF再也不需要人类了!谷歌团队研究证明，AI标注已达人类水平
编辑：编辑部...
2024-11-08 btikc 技术文章 2 ℃ 0 评论 -
无惧雨雪风霜?斯坦福找到一种更适应动态环境的强化学习方法
斯坦福人工智能实验室（SAIL）的研究人员最近设计了一种方法，能处理那些会随时间变化的数据和环境，性能优于一些领先的强化学习方法，它被命名为LILAC（LifelongLatentActor-Critic）。这一方法使用了潜在变量模型和...
2024-11-08 btikc 技术文章 2 ℃ 0 评论 -
学术分享丨强化学习在机器人装配工艺中的应用
强化学习（ReinforcementLearning）灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。这个方法具有普适性，因此在其他许多领域都有研究，例如博...
2024-11-08 btikc 技术文章 2 ℃ 0 评论 -
从头开始强化学习 强化学习方法
本文为AI研习社编译的技术博客，原标题：ReinforcementLearningfromscratch作者|EmmanuelAmeisen翻译|AI小山编辑|酱番梨、Pita原文链接：https://blog....
2024-11-08 btikc 技术文章 2 ℃ 0 评论 -
优化 | 双时间尺度Actor-Critic方法的有限样本分析
编者按：Actor-Critic方法结合了actor-only方法和critic-only方法的优势,是一种广泛使用的强化学习方法.该方法的原理为：给定来自于actor的策略,利用critic学习值函数,同时actor可以估计基于crit...
2024-11-08 btikc 技术文章 2 ℃ 0 评论 -
强化学习系列—Actor-Critic 算法
前面的文章简单介绍过Actor-Critic算法，但是并没有系统介绍，而且网上资料相对零碎，根本原因是Actor-Critic算法是一种算法思想，众多算法都是基于这个思想上进行改进发展，所以Actor-Critic算法并不是某一个单独算法...
2024-11-08 btikc 技术文章 3 ℃ 0 评论 -
谷歌AI公开新一代“目标检测”系统
雷锋网3月19日消息，谷歌大脑及AI团队，在本周发布了一个叫EfficientDet（高效检测）的人工智能系统。这个系统，实现较少的计算，获得更高效的检测目标。该系统的创建者表示，与YOLO或AmoebaNet等其他流行的检测模型相比，该系...
2024-11-07 btikc 技术文章 3 ℃ 0 评论 -
NVIDIA Jetson Nano 2GB 系列文章(53):TAO模型训练工具简介
特征模型(featuresmodel)是人工智能深度学习的灵魂，其优劣程度决定了前端推理结果的成败，包括计算性能与精确度的综合考量，是整个人工智能应用的最关键环节，而...
2024-11-07 btikc 技术文章 7 ℃ 0 评论
- 控制面板
- 网站分类
- 最新留言
-