cartpole

Кусок

Подкрепление учебного решения для телегора Openai.

Ознакомьтесь с соответствующей статьей: Cartpole - Введение в обучение подкреплению (DQN - Глубокое Q -обучение)

О

Полюс прикреплен к неактизированному соединению к телеге, которая движется вдоль трассы без трения. Система контролируется путем применения силы +1 или -1 к телеге. Маятник запускается в вертикальном положении, и цель состоит в том, чтобы предотвратить его падение. Награда +1 предоставляется за каждый временный шаг, что полюс остается вертикальным. Эпизод заканчивается, когда полюс находится более чем в 15 градусах от вертикальной, или тележка перемещается более чем на 2,4 единицы из центра. источник

Дкн

Стандартный DQN с опытом воспроизведения.

Гиперпараметры:

• Гамма = 0,95
• Learning_Rate = 0,001
• Memory_size = 1000000
• Batch_size = 20
• Exploration_max = 1,0
• Exploration_min = 0,01
• Exploration_decay = 0,995

Структура модели:

1. Плотный слой - вход: 4 , выход: 24 , активация :
2. Плотный слой - вход 24 , выход: 24 , активация: Relu
3. Плотный слой - вход 24 , выход: 2 , активация: линейная

• Функция потери MSE
• Адам оптимизатор

Производительность

Cartpole-V0 определяет «решение» как получение среднего вознаграждения в 195,0 более 100 последовательных испытаний. источник

Пример пробного гиф

Пример пробной диаграммы

Решенная диаграмма испытаний

Автор

Грег (Грегорз) Сурма

ПОРТФЕЛЬ

GitHub

Блог