215 похожих чатов

Доброго времени суток) Кто сталкивался с проблемой когда reward в среде

где тренируется RL агент выражен например коефициентом эффективности?
Тренирую агента у которого задача находить и держать оптимальный коефициент буста системы (пример: разгон процессора). Reward у меня в данном случае значение от -1 до 1. -1 это означает эффективность системы (-100% эффективность нулевая), 0 это стабильная работа, 1 это прирост 100%.
Вопрос: как правильно подавать этот reward? посмотрел примеры с openai gym там везде он выдается по факту совершенного действия? А что делать случае если я сам не знаю правильное или неправильное действие, есть только общий коефициент эффективности который или растет или падает от совершаемых действий?

1 ответов

12 просмотров

ну хороший агент по идее должен понять зависимость от действий

Похожие вопросы

Обсуждают сегодня

Господа, а что сейчас вообще с рынком труда на делфи происходит? Какова ситуация?
Rꙮman Yankꙮvsky
29
А вообще, что может смущать в самой Julia - бы сказал, что нет единого стандартного подхода по многим моментам, поэтому многое выглядит как "хаки" и произвол. Короче говоря, с...
Viktor G.
2
30500 за редактор? )
Владимир
47
а через ESC-код ?
Alexey Kulakov
29
Чёт не понял, я ж правильной функцией воспользовался чтобы вывести отладочную информацию? но что-то она не ловится
notme
18
У меня есть функция где происходит это: write_bit(buffer, 1); write_bit(buffer, 0); write_bit(buffer, 1); write_bit(buffer, 1); write_bit(buffer, 1); w...
~
14
Добрый день! Скажите пожалуйста, а какие программы вы бы рекомендовали написать для того, чтобы научиться управлять памятью? Можно написать динамический массив, можно связный ...
Филипп
7
Недавно Google Project Zero нашёл багу в SQLite с помощью LLM, о чём достаточно было шумно в определённых интернетах, которые сопровождались рассказами, что скоро всех "ибешни...
Alex Sherbakov
5
Ребят в СИ можно реализовать ООП?
Николай
33
https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_h_common.erl#L174 https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_olp.erl#L76 15 лет назад...
Maksim Lapshin
20
Карта сайта