Политики и функции ценности

Определение представлений политик и функций значений, таких как глубокие нейронные сети и таблицы Q

Политика обучения усилению - это отображение, которое выбирает действие на основе наблюдений из среды. Во время обучения агент настраивает параметры своего политического представления, чтобы максимизировать долгосрочное вознаграждение.

Программа Toolbox™ обучения усилению предоставляет объекты для представлений актера и критика. Актер представляет политику, которая выбирает наилучшее действие. Критик представляет функцию стоимости, которая оценивает ценность текущей политики. В зависимости от приложения и выбранного агента можно определить функции политик и значений с помощью глубоких нейронных сетей, линейных базисных функций или таблиц поиска. Дополнительные сведения см. в разделе Создание представлений политик и функций значений.

Функции

развернуть все

Создание представлений

`rlValueRepresentation`	Критическое представление функции оценки для агентов обучения по усилению
`rlQValueRepresentation`	Критическое представление функции Q-Value для агентов обучения усиления
`rlDeterministicActorRepresentation`	Детерминированное представление акторов для усиливающих обучающих агентов
`rlStochasticActorRepresentation`	Стохастическое представление актера для усиливающих обучающих агентов
`rlRepresentationOptions`	Выбор вариантов усиления представлений обучающих агентов (критиков и актеров)
`rlTable`	Таблица значений или таблица Q

Глубокие слои нейронной сети

`quadraticLayer`	Квадратичный слой для актера или критика сети
`scalingLayer`	Уровень масштабирования для сети актеров или критиков
`softplusLayer`	Слой Softplus для актера или критика сети

Получение и установка представлений агента

`getActor`	Получение представления актера от обучающего агента усиления
`setActor`	Задать представление актора обучающего агента усиления
`getCritic`	Получение критического представления от агента обучения усиления
`setCritic`	Задать критическое представление агента обучения усилению
`getLearnableParameters`	Получение узнаваемых значений параметров из представления политики или функции значений
`setLearnableParameters`	Установка значений обучаемых параметров для представления политики или функции значений
`getModel`	Получение вычислительной модели из представления политики или функции значения
`setModel`	Задать вычислительную модель для представления политики или функции значения

Получение действий и функций ценности

`getAction`	Получить действие от агента или актора при наблюдении за окружающей средой
`getValue`	Получить представление функции расчетного значения
`getMaxQValue`	Получить максимальную оценку функции состояния-значения для представления функции Q-значения с дискретным пространством действия

Темы

Создание представлений политик и ценностных функций

Укажите представления функций политики и значения, используя аппроксиматоры функций, такие как глубокие нейронные сети.

Импорт представлений политик и ценностных функций

Существующие политики можно импортировать из других структур глубокого обучения с использованием формата модели ONNX™.

Документация по инструментам обучения для усиления

Поддержка

Памятка переводчика

1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.

2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.

3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.

4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.

5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.