JALAN PELATIHAN INTERAKTIF

Ajarkan model untuk melihat polanya.

Sesuaikan resep pembelajaran, jalankan simulasi, dan saksikan batas keputusan belajar secara waktu nyata.

STATUS SAAT INI Ready to run Bobot diinisialisasi

Kumpulan data

Model

Laju pembelajaran0.08

Ukuran batch16

Langkah Jalankan pelatihan

EPOCH0Belum dimulai

LOSS—Awaiting first pass

AKURASI—Awaiting first pass

KEYAKINAN—Kekuatan sinyal model

TAMPILAN MODEL LANGSUNG

Batas keputusan

Kelas AKelas B

ARAHKAN / KETUK UNTUK MEMERIKSAMove over the mapx 0.00 · y 0.00

Tekan Jalankan untuk memulai pembelajaran

Pembaruan batas setelah setiap batch32 samples

SINYAL PELATIHAN

Kerugian dari waktu ke waktu

—

mulaizamansekarang

↘

Apa yang harus diperhatikan

Jalankan beberapa epoch untuk melihat model memisahkan kelas.

ANATOMI MODEL

Aktivitas jaringan

2 layers

aktivasi rendahaktivasi tinggibobot positifbobot negatif

KONSOL JALAN

Log pelatihan

Bersihkan

LAB PEMBELAJARAN AGEN

Ajari agen untuk mencapai suar.

Saksikan kebijakan kecil belajar dari imbalan, menjelajahi rintangan, dan menyelesaikan rute satu keputusan demi satu keputusan.

STATUS MISI

Tugas

Eksplorasi24%

Kecepatan lari

Langkah agen Atur ulang misi

EPISODE—jalur pembelajaran saat ini

IMBALAN—pengembalian langkah

LANGKAH—panjang jalur

TINGKAT KEBERHASILAN0%

RUANG STATUS + KEBIJAKAN

Bidang navigasi yang dipelajari

KEBIJAKAN-Q

INSPEKTUR NEGARA

kebijakan yang dipelajari jejak agen rintangan suar tujuan

Panah menunjukkan tindakan bernilai tertinggi untuk setiap status. Arahkan kursor atau ketuk sel untuk memeriksa nilai-Q-nya.

SINYAL PENGUATAN

Imbalan per episode

—

mulaiepisodesekarang

↗

Apa yang harus diperhatikan

INSPEKTUR NILAI-Q

Status yang dipilih

↑Atas0.00

→Kanan0.00

↓Bawah0.00

←Kiri0.00

Nilai-Q memperkirakan pengembalian masa depan dari pengambilan tindakan dari status ini.