ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
看coursera不懂的地方，就来看李老师的视频，回头再看，都明白了。
被老师的魅力所折服
谢谢李老师，非常受教！
非常感谢李宏毅老师
如果输出是连续值，比如角度、力度之类的，怎么办呢
李老师好，请问RL的随机性和VAE的随机性是类似的吗？VAE里面的z/x也都是从一个normal distribution sample 出来的，这个sample的过程和RL action的sample过程的随机性是一样的吗？
個人理解：當初始時候，這些 action 可能就是任意一種隨機，可能是 uniform distribution 之類的。在訓練之後，因為網路已經給訓練樣本影響，這時候所謂的隨機是類似 softmax 輸出的某一個隨機，它是根據輸入 s，想要往高 rewards 的一個決定，所以可能的一組輸出隨機向量就是 （right, left, fire) = (0.7, 0.1, 0.2) ，就是說 action right 有 70%.... 這樣的決定跟我們一般 supervised learning 分類器任務是不一樣的，分類器如果輸出 (0.7, 0.1, 0.2) ，會 always 決定 object(0.7)，也就是沒有隨機性。
有同學可以說說 RL 跟 heuristic (啟發式) 的區別嗎？怎麼覺得好像有那麼點相像的影子呢～
本质都是makov chain,区别是一个需要训练，一个不需要训练
讲的比CS224系列的RL好
謝謝老師分享
谢谢李老师，有个问题咨询下，您讲了RL不一样的是a1是随机的，所以不一样。 但还没理解为什么要随机？
引入随机性就是不需要所有的行为都是被计算过的，让随机性的引入会出现新的结果，可能会出现神之一手。又或者是模型对同一种结果不同的判断倒是模型学习到新的可能，增加模型的健壮性。
前排板凳
小板凳坐好了
Pretty impressive.
Awesome
GOAT
我来了
可憐的小叮噹
看coursera不懂的地方，就来看李老师的视频，回头再看，都明白了。
被老师的魅力所折服
谢谢李老师，非常受教！
非常感谢李宏毅老师
如果输出是连续值，比如角度、力度之类的，怎么办呢
李老师好，请问RL的随机性和VAE的随机性是类似的吗？VAE里面的z/x也都是从一个normal distribution sample 出来的，这个sample的过程和RL action的sample过程的随机性是一样的吗？
個人理解：當初始時候，這些 action 可能就是任意一種隨機，可能是 uniform distribution 之類的。在訓練之後，因為網路已經給訓練樣本影響，這時候所謂的隨機是類似 softmax 輸出的某一個隨機，它是根據輸入 s，想要往高 rewards 的一個決定，所以可能的一組輸出隨機向量就是 （right, left, fire) = (0.7, 0.1, 0.2) ，就是說 action right 有 70%.... 這樣的決定跟我們一般 supervised learning 分類器任務是不一樣的，分類器如果輸出 (0.7, 0.1, 0.2) ，會 always 決定 object(0.7)，也就是沒有隨機性。
有同學可以說說 RL 跟 heuristic (啟發式) 的區別嗎？怎麼覺得好像有那麼點相像的影子呢～
本质都是makov chain,区别是一个需要训练，一个不需要训练
讲的比CS224系列的RL好
謝謝老師分享
谢谢李老师，有个问题咨询下，您讲了RL不一样的是a1是随机的，所以不一样。 但还没理解为什么要随机？
引入随机性就是不需要所有的行为都是被计算过的，让随机性的引入会出现新的结果，可能会出现神之一手。又或者是模型对同一种结果不同的判断倒是模型学习到新的可能，增加模型的健壮性。
前排板凳
小板凳坐好了
Pretty impressive.
Awesome
GOAT
我来了
可憐的小叮噹