هاب پژوهشی

مقالات مرجع مسیر یادگیری، با خلاصه‌ی ساختاریافته و گراف استنادی دوطرفه.

جست‌وجوی پیشرفته

همه (51)یادگیری عمیق (8)رباتیک (6)مرور (4)HRI (3)پس‌انتشار خطا (3)شبکه‌های عصبی (3)استدلال (2)LSTM (2)یادگیری تقویتی عمیق (2)ربات دوپا (2)

نمایش 166 موضوع دیگر

CNN (2)کنترل نیرو (2)جنگل تصادفی (2)درخت تصمیم (2)ensemble (2)ربات انسان‌نما (2)رگرسیون (2)قاعده‌ی زنجیره‌ای (2)حداقل مربعات (2)تاریخ آمار (2)جبر خطی عددی (2)hypothesis-testing (2)عامل خودمختار (1)محیط وب (1)ارزیابی (1)UI اتوماسیون (1)زنجیره‌ی فکر (1)پرامپت (1)عامل‌های زبانی (1)ReAct (1)function calling (1)عامل (1)سنسورها (1)عملگرها (1)OCR (1)تشخیص متن (1)CRNN (1)CTC (1)کنترل حرکت (1)Sim-to-Real (1)Transformer (1)توجه (1)NLP (1)ترجمه ماشینی (1)تخمین وضعیت (1)OpenPose (1)میدان وابستگی (1)تشخیص اشیاء (1)YOLO (1)بینایی کامپیوتر (1)DQN (1)Q-learning (1)بازی‌های Atari (1)یادگیری انتقالی (1)Caffe (1)استخراج ویژگی (1)فضای برداری (1)embedding (1)پردازش زبان طبیعی (1)شباهت کسینوسی (1)word2vec (1)ImageNet (1)طبقه‌بندی تصویر (1)IMU (1)فیلتر جهت‌یابی (1)کواترنیون (1)ربات خدماتی (1)مراقبت از سالمند (1)بازوی رباتیک (1)یادگیری تقلیدی (1)یادگیری از نمایش (1)ROS (1)سیستم‌عامل رباتیک (1)منبع‌باز (1)میان‌افزار (1)ایمنی (1)ربات همکار (1)استاندارد (1)تعامل انسان-ربات (1)ربات‌های اجتماعی (1)ارزیابی کاربر (1)دست رباتیک (1)محرک پنوماتیک (1)حسگر نیرو (1)طراحی (1)convex-sets (1)convex-functions (1)interior-point-methods (1)duality (1)ZMP (1)تعادل (1)کنترل (1)یادگیری نظارت‌شده (1)راه‌رفتن دوپا (1)مدل آونگ وارونه (1)الگوی گام‌برداری (1)طبقه‌بندی (1)برنامه‌ریزی مسیر (1)RRT (1)درخت تصادفی (1)امپدانس (1)کنترل هیبریدی (1)محلی‌سازی (1)فیلتر ذرات (1)ناوبری (1)ربات متحرک (1)طراحی مکانیکی (1)ASIMO (1)محرک‌ها (1)RNN (1)دنباله‌های زمانی (1)گرادیان محو (1)visual servoing (1)کنترل تصویری (1)بازخورد بینایی (1)لاسو (1)منظم‌سازی (1)انتخاب ویژگی (1)اعتبارسنجی متقابل (1)ارزیابی مدل (1)بوت‌استرپ (1)انتخاب مدل (1)بردار ویژه (1)تحلیل مؤلفه‌های اصلی (1)بینایی ماشین (1)تشخیص چهره (1)کاهش بُعد (1)یادگیری تقویتی (1)تفاوت زمانی (1)پیش‌بینی (1)TD (1)گرادیان (1)تشخیص لبه (1)پردازش تصویر (1)فیلتر کانی (1)هیسترزیس (1)بازنمایی (1)بهینه‌سازی (1)گاوس (1)تجزیه مقادیر منفرد (1)ماتریس (1)K-Means (1)خوشه‌بندی (1)یادگیری بدون نظارت (1)تحلیل داده (1)SVD (1)شبه‌وارون (1)کمترین مربعات (1)پایداری عددی (1)رگرسیون لجستیک (1)داده‌های باینری (1)بیشینه‌سازی درست‌نمایی (1)سینماتیک (1)Denavit-Hartenberg (1)ماتریس تبدیل (1)markov-chain (1)monte-carlo (1)mcmc (1)metropolis-algorithm (1)statistical-mechanics (1)stochastic-approximation (1)gradient-descent (1)optimization (1)PID (1)Ziegler-Nichols (1)تنظیم ضرایب (1)کنترل صنعتی (1)neyman-pearson (1)statistical-significance (1)mathematical-statistics (1)t-distribution (1)student-t (1)statistics (1)بیز (1)احتمال شرطی (1)استنتاج بیزی (1)

1 مقاله

1988Machine Learning, vol. 3, no. 1, pp. 9-44, DOI: 10.1007/BF00115009

Learning to predict by the methods of temporal differences

Richard S. Sutton

یافته: نشان داده شد که روش TD در مسائل پیش‌بینی، از روش‌های مونت‌کارلو سریع‌تر همگرا می‌شود و به‌طور گسترده در RL استفاده می‌شود.

یادگیری تقویتی تفاوت زمانی

درباره‌ی این آزمایشگاه سوالات متداول پروژه‌ی پایانی دیوار عمومی گواهی‌ها