کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Many approaches to robot learning begin by inferring a reward function from a set of human demonstrations. To learn a good reward, it is necessary to determine which features of the environment are relevant before determining how these features should be used to compute reward. End-to-end methods for joint feature and reward learning (e.g., using deep networks or program synthesis techniques) often yield brittle reward functions that are sensitive to spurious state features. By contrast, humans can often generalizably learn from a small number of demonstrations by incorporating strong priors about what features of a demonstration are likely meaningful for a task of interest. How do we build robots that leverage this kind of background knowledge when learning from new demonstrations? This paper describes a method named ALGAE (Adaptive Language-Guided Abstraction from [Contrastive] Explanations) which alternates between using language models to iteratively identify human-meaningful features needed to explain demonstrated behavior, then standard inverse reinforcement learning techniques to assign weights to these features. Experiments across a variety of both simulated and real-world robot environments show that ALGAE learns generalizable reward functions defined on interpretable features using only small numbers of demonstrations. Importantly, ALGAE can recognize when features are missing, then extract and define those features without any human input -- making it possible to quickly and efficiently acquire rich representations of user behavior.
چکیده به فارسی (ترجمه ماشینی)
بسیاری از رویکردهای مربوط به یادگیری ربات با استنباط یک عملکرد پاداش از مجموعه ای از تظاهرات انسانی آغاز می شود.برای یادگیری پاداش خوب ، قبل از تعیین نحوه استفاده از این ویژگی ها برای محاسبه پاداش ، مشخص می شود که کدام ویژگی های محیط مرتبط هستند.روشهای پایان به پایان برای ویژگی های مشترک و یادگیری پاداش (به عنوان مثال ، با استفاده از شبکه های عمیق یا تکنیک های سنتز برنامه) اغلب عملکردهای پاداش شکننده ای را به دست می آورند که نسبت به ویژگی های حالت فریبنده حساس هستند.در مقابل ، انسان ها اغلب می توانند با درج داشتن مقدمات قوی در مورد اینکه چه ویژگی های یک تظاهرات برای یک کار مورد علاقه معنی دارد ، از تعداد کمی از تظاهرات یاد بگیرند.چگونه می توانیم روبات هایی بسازیم که هنگام یادگیری از تظاهرات جدید ، از این نوع دانش پیش زمینه استفاده کنند؟در این مقاله روشی به نام جلبک ها (انتزاع تطبیقی زبان هدایت شده از توضیحات [متناقض]) توصیف شده است که بین استفاده از مدل های زبانی متناوب است تا به طور مکرر ویژگی های انسانی را که برای توضیح رفتار نشان داده شده است ، شناسایی کند ، سپس تکنیک های یادگیری تقویت معکوس استاندارد برای اختصاص وزن به این ویژگی هابشرآزمایشات در بین انواع محیط های ربات شبیه سازی شده و واقعی نشان می دهد که جلبک ها توابع پاداش قابل تعمیم را که با استفاده از تنها تعداد کمی از تظاهرات ها بر روی ویژگی های قابل تفسیر تعریف شده است ، می آموزد.نکته مهم این است که جلبک ها می توانند تشخیص دهند که ویژگی ها از دست رفته اند ، سپس آن ویژگی ها را بدون هیچ گونه ورودی انسانی استخراج و تعریف می کنند - این امکان را فراهم می آورد که به سرعت و کارآمد بازنمایی های غنی از رفتار کاربر را بدست آورید.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
