搜索资源列表
1709.04326
- 多智能体设置在机器学习中的重要性日益突出。超过了最近的大量关于深度的工作多agent强化学习，层次强化学习，生成对抗网络和分散优化都可以看作是这种设置的实例。然而，多学习代理人的存在这些设置使得培训问题的非平稳常常导致不稳定的训练或不想要的最终结果。我们提出学习与对手的学习意识（萝拉），一种方法，原因的预期。其他代理的学习。罗拉学习规则包括一个额外的术语，解释了在预期的参数更新的代理政策其他药物。我们发现，利用似然比策略梯度更新的方法，可以有效地计算萝拉更新规则，使该方法适合于无模型强化学习。这
gan_practice-master
- GAN，DCGAN，WGAN，improved-GAN 4种生成对抗网络的tensorflow实现(Complition of GAN,DCGAN,WGAN and improved-GAN with tensorflow.)
generative-models-master
- 生成对抗网络中的各种衍生网络结构，包括基础GAN，C-GAN,AC-GAN等等 变分自动编码器各种衍生网络结构，包括条件变分自动编码器等等(Generated in the network against the derivative network structure, including GAN, C-GAN, AC-GAN and so on. The variational autocoder derivative network structure, including con
DCGAN-tensorflow-master
- LINUX平台下，当然也可以在windows平台下运行，DCGAN为卷积下的生成对抗网络，在tensorflow平台的基础上。(LINUX platform, of course, can also run on the windows platform, DCGAN is the convolution generation under adversarial networks, based on the tensorflow platform.)
生成对抗网络
- 生成对抗网络针对mnist数据集，Python语言实现。(Generate confrontation network for MNIST data set, implemented in Python language.)
GAN-minist-tensorflow-master
- GAN 的基本例程，能够很好的帮助你理解生成对抗网络(The basic routines of GAN can help you understand how to generate confrontation networks.)
lesson51-WGAN实战
- 生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。(Emergent against network (GAN, Generative Adversarial Networks) is a kind of deep learni