EXECUÇÃO DE TREINAMENTO INTERATIVO

Ensine um modelo a ver o padrão.

Ajuste a receita de aprendizado, execute a simulação e observe o limite de decisão aprender em tempo real.

STATUS ATUAL Ready to run Pesos inicializados

Conjunto de dados

Modelo

Taxa de aprendizado0.08

Tamanho do lote16

Passo Executar treinamento

ÉPOCA0Não iniciado

PERDA—Awaiting first pass

PRECISÃO—Awaiting first pass

CONFIANÇA—Força do sinal do modelo

VISUALIZAÇÃO DO MODELO AO VIVO

Limite de decisão

Classe AClasse B

PASSE O MOUSE / TOQUE PARA INSPECIONARMove over the mapx 0.00 · y 0.00

Pressione Executar para começar a aprender

Atualizações de limite após cada lote32 samples

SINAL DE TREINAMENTO

Perda ao longo do tempo

—

inícioépocaagora

↘

O que observar

Execute algumas épocas para ver o modelo separar as classes.

ANATOMIA DO MODELO

Atividade da rede

2 layers

ativação baixaativação altapeso positivopeso negativo

CONSOLE DE EXECUÇÃO

Log de treinamento

Limpar

LABORATÓRIO DE APRENDIZADO DE AGENTE

Ensine um agente a alcançar o sinalizador.

Observe uma pequena política aprender com recompensas, explorar obstáculos e completar uma rota, uma decisão de cada vez.

STATUS DA MISSÃO

Tarefa

Exploração24%

Velocidade de execução

Passo do agente Reiniciar missão

EPISÓDIO—execução de aprendizado atual

RECOMPENSA—retorno do passo

PASSOS—comprimento do caminho

TAXA DE SUCESSO0%

ESPAÇO DE ESTADO + POLÍTICA

Campo de navegação aprendido

POLÍTICA-Q

INSPETOR DE ESTADO

política aprendida rastro do agente obstáculo sinalizador de objetivo

As setas mostram a ação de maior valor para cada estado. Passe o mouse ou toque em uma célula para inspecionar seus valores Q.

SINAL DE REFORÇO

Recompensa por episódios

—

inícioepisódioagora

↗

O que observar

INSPETOR DE VALOR-Q

Estado selecionado

↑Para cima0.00

→Direita0.00

↓Para baixo0.00

←Esquerda0.00

Um valor-Q estima o retorno futuro de realizar uma ação a partir deste estado.