ysf
24 位追蹤者
ysf
24 位追蹤者
寫點東西，自娛娛人。
全部內容
由新到舊
增強式學習將機器學習融入模擬環境中，讓具備類神經網路的智慧體(agent)透過與環境的互動來學習。在與環境互動的過程中，智慧體會因其決策結果的好壞而得到獎勵或懲罰；結果好的決策會得到獎勵，而結果不好的決策則會得到懲罰。透過這種棒子與胡蘿蔔恩威並施的方式，智慧體就會學到最佳的策略。
這一章要介紹的是神經演化(neuroevolution)這種結合基因演算法及類神經網路的機器學習方法。
這一節要依循機器學習生命週期的步驟來實作一個手勢分類器。透過這個過程，就可以很清楚知道，機器學習生命週期的每一個步驟究竟要做些什麼，以及程式要怎麼寫。
本節介紹機器學習的生命週期，以及如何用Keras建立用於分類和迴歸的模型。
單一一個感知器雖然能解一些問題，但能解的問題範圍極其有限。如果把多個感知器組合，形成一個多層感知器(multilayer perceptron, MLP)，那這個由多個神經元所組成的網路，將可以解決更複雜、更困難的問題。這一節的主要內容，就在概略地介紹多層感知器。
這節要介紹的是最簡單的類神經網路，也就是只含有一個神經元的感知器(perceptron)。
簡單介紹類神經網路(artificial neural network, ANN)的應用範圍、運作方式、學習方式、第三方程式庫等。
這一章要介紹的是現在紅透半邊天，可以說是AI基石的類神經網路(artificial neural network, ANN)。
這一節要來寫個會演化的生態系統。
本節介紹互動式挑選(interactive selection)，也就是由人來指定適應度函數值的GA。
