S
@Parilo Кстати, ты уже утянул запись 2018-05-03? Можно файл покоцать?
Size: a a a
2018 May 09
MG
Да, запишем
Спасибо!
AP
@Shmuma, да, спасибо
2018 May 10
c
Коллеги, прошу прощения, но я вынужден отметить семинар сегодня, тк не могу приехать по личным причинам.
Можно перенести его на через неделю.
На следующей неделе выступят ребята с докладом по лернинг ту ран.
Еще раз прошу прощения
Можно перенести его на через неделю.
На следующей неделе выступят ребята с докладом по лернинг ту ран.
Еще раз прошу прощения
AP
Без тебя нам его не провести?
TG
Он выступающий)
TG
AP
Ясно) Вопрос снят
SK
что ж, раз семинара нет, держите еще мини-обзорчик - https://github.com/Scitator/papers/blob/master/papers/1703_maml.md
про горячий meta-learning
буду рад вопросам/предложениям/неучтенным фактам 🙂
про горячий meta-learning
буду рад вопросам/предложениям/неучтенным фактам 🙂
EN
а кто-нибудь может дать накидать догадок, почему в RL часто возникают ситуации, когда агент забывает хорошую политику (как на графике)
EN
SK
потому что input data не i.i.d
EN
слишком общий ответ
SK
типо агент обучился, что за камнем - его не убивают и начинает тупо прятаться за камнем.....иииии забывает, что есть и другие состояния
SK
и вжух, политика агента несовместима с реальностью и он начинает плохо играть
JH
Переслано от Just Heuristic
ты ищешь нелинейную функцию с кучей параметров(deep learning), начинаешь со случайного приближения параметров(init), при этом используешь шумную(sgd) и смещённую(td loss) оценку целевой функции которую ты оцениваешь в матожидании по распределению, которое в свою очередь зависит от твоей нелинейной функции (см.выше).
JH
EN
Переслано от Evgenii Nikishin
это, скорее, объясняет в целом оч шумные графики при обучениии рл агентов
EN
EN
шумные == долго добирается до решения