Action value Actor-Critic型Policy Gradientによる連続値動作の強化学習 - Qiita

テクノロジーカテゴリーの変更を依頼記事元:

qiita.com/chachay

3 usersがブックマークコメント

コメント

0

記事へのコメント0件

注目コメント
新着コメント

新着コメントはまだありません。
このエントリーにコメントしてみましょう。

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

{{ total_bookmarks_with_user_postfix }}{{ root_title }}

Action value Actor-Critic型Policy Gradientによる連続値動作の強化学習 - Qiita

# -*- coding: utf-8 -*- import wx import wx.lib import wx.lib.plot as plot import math import ran... # -*- coding: utf-8 -*- import wx import wx.lib import wx.lib.plot as plot import math import random as rnd import numpy as np import copy # import pickle # Steps looking back STATE_NUM = 2 # State STATE_NUM = 2 NUM_EYES = 9 STATE_DIM = NUM_EYES * 3 * 2 class SState(object): def __init__(self): self.seq = np.ones((STATE_NUM, NUM_EYES*3), dtype=np.float32) def push_s(self, state): self.seq[1:STATE_

ブックマークしたユーザー

yukimori_7262016/07/06

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - テクノロジー

いま人気の記事 - テクノロジーをもっと読む

新着記事 - テクノロジー

新着記事 - テクノロジーをもっと読む

設定を変更しましたx