穷酸秀才大草包

大脑中的记忆机制

摘要：参考资料：我们的大脑到底是如何记忆东西的关于大脑工作原理最详细的图解人的大脑是如何记忆东西的？知识是怎么储存在大脑里的？记忆的本质是什么？记忆的分类以及理论模型 MIT诺奖大牛2万字雄文：记忆的本质 (qq.com) 大脑的记忆可以分为六种类型，层次由低到高分别为：程序性记忆：一些程序阅读全文

posted @ 2020-09-28 16:37 穷酸秀才大草包阅读(3195) 评论(0) 推荐(0)

A Simple Neural Attentive Meta-Learner

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！参考链接：https://blog.csdn.net/liuglen/article/details/84770069 ICLR 2018 时序卷积：https://blog.csdn.net/weixin_38498942/articl 阅读全文

posted @ 2020-09-20 20:36 穷酸秀才大草包阅读(1614) 评论(0) 推荐(0)

(元)强化学习开源代码调研

摘要：元强化学习的开源代码整理，以及相关的元学习以及强化学习的开源代码阅读全文

posted @ 2020-09-19 23:50 穷酸秀才大草包阅读(5508) 评论(6) 推荐(3)

A Genetically Defined Compartmentalized Striatal Direct Pathway for Negative Reinforcement

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Cell 2020 Summary 背侧纹状体内的纹状小体区室与强化学习和动机调节有关，但是纹状体神经元如何促进这些功能尚不清楚。在这里，我们显示了遗传确认的纹状体群体，该群体表达茶衫族锌指1 (Tshz1)并属于直接途径，驱动负强化，对阅读全文

posted @ 2020-09-18 18:56 穷酸秀才大草包阅读(337) 评论(0) 推荐(0)

TensorBoard的使用

摘要： Tensorboard： 1、将tensorboard的event.out.tfevents.*文件放入log文件夹中； 2、进入log的前一级目录； 3、执行以下命令： tensorboard --logdir=./log 4、在浏览器输入网址：http://localhost:6006，即可查看阅读全文

posted @ 2020-09-17 14:26 穷酸秀才大草包阅读(305) 评论(0) 推荐(0)

Linux(Ubuntu)安装Mujoco、mujoco-py的详细步骤、安装教程

摘要：参考链接：https://blog.csdn.net/Youtian_/article/details/103841453，【Linux】Ubun16.04服务器配置Mujoco的各种错误解决方案官方链接：openai/mujoco-py: MuJoCo is a physics engine f 阅读全文

posted @ 2020-09-17 11:14 穷酸秀才大草包阅读(4193) 评论(0) 推荐(0)

元强化学习简介

摘要：元学习/元强化学习简介，对当下研究的分类，目标，概述以及开源代码的整理阅读全文

posted @ 2020-09-14 11:00 穷酸秀才大草包阅读(15122) 评论(0) 推荐(5)

Model-Free Episodic Control

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ CoRR, (2016) Abstract 最先进的深度强化学习算法需要数百万次交互才能达到人类水平的性能。另一方面，人类在首次发现时就可以非常迅速地利用环境中高度有益的细微差别。在大脑中，这种快速学习被认为取决于海马体及其对回合式记忆的阅读全文

posted @ 2020-09-13 17:04 穷酸秀才大草包阅读(489) 评论(0) 推荐(0)

Efficient Off-Policy Meta-Reinforcement Learning via Probabilistic Context Variables

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ arXiv: Learning, (2019) Abstract 深度RL算法需要大量经验才能学习单个任务。原则上，元强化学习(meta-RL)算法使智能体能够从少量经验中学习新技能，但一些主要挑战阻碍了它们的实用性。当前的方法严重依赖于阅读全文

posted @ 2020-09-08 23:40 穷酸秀才大草包阅读(1460) 评论(0) 推荐(0)

On First-Order Meta-Learning Algorithms

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ arXiv: Learning, (2018) Abstract 本文考虑了存在任务分布的元学习问题，并且我们希望获得一个表现良好的智能体(即快速学习)，该智能体在从该分布中采样到以前没见过的任务时表现良好。我们分析了一组算法，用于学习可阅读全文

posted @ 2020-09-08 23:29 穷酸秀才大草包阅读(470) 评论(0) 推荐(0)

穷酸秀才大艹包

导航

公告