paper_reading - 第2页

Deep TAMER: Interactive Agent Shaping in High-Dimensional State Spaces 阅读

Deep TAMER: Interactive Agent Shaping in High-Dimensional State Spaces 阅读

本文是文章《Deep TAMER: Interactive Agent Shaping in High-Dimensional State Spaces》的相关阅读笔记。本文主要介...

04月06日评论

毫末大模型 DriverGPT

毫末大模型 DriverGPT

HAOMO DriveGPT 的技术介绍，和简单的使用体验。

04月02日评论

CURL: Contrastive Unsupervised Representations for Reinforcement Learning 阅读

CURL: Contrastive Unsupervised Representations for Reinforcement Learning 阅读

本文是阅读论文 CURL: Contrastive Unsupervised Representations for Reinforcement Learning 的一些记录。这篇...

03月16日评论

Reinforcement Learning with Augmented Data 阅读

Reinforcement Learning with Augmented Data 阅读

这篇文章尝试将数据增强的方法用在强化学习中，并取得了很好的效果。和很多其他的好论文一样，Simple idea but very very work，值得一看。

03月12日评论

Action Space Shaping in Deep Reinforcement Learning 阅读

Action Space Shaping in Deep Reinforcement Learning 阅读

本文是对论文《Action Space Shaping in Deep Reinforcement Learning》的解读，这篇论文主要讲解了三种动作空间预处理的方式，分别是（1...

09月19日评论

Redundant Encoding in Data Visualizations: Assessing Perceptual Accuracy and Speed

Redundant Encoding in Data Visualizations: Assessing Perceptual Accuracy and Speed

本文介绍「冗余编码」在数据可视化中是否有作用。主要是比较增加冗余编码后，是否能帮助读者更好的预测比例问题。最终的结论是，「冗余编码」不会增加效果，但也不会干扰读者，「冗余特征」可以...

08月09日评论

Redundant Encoding Strengthens Segmentation and Grouping in Visual Displays of Data

Redundant Encoding Strengthens Segmentation and Grouping in Visual Displays of Data

本文介绍了关于「冗余编码」的相关内容。通过三个实验证明了「冗余编码」可以有益于数据显示，具体来说可以使得识别准确率提高，可以有更强的分组效果。

08月07日评论

2

目录

繁
本页二维码