или мб еще где-то блоги прикольные

Twitter: hardmaru

twitter @openai

Спасибо

Всем Привет!
Последняя лекция по курсу Advanced topics in RL прошла 14 мая.
За это время мы начали проверку курсовых проектов и, наконец, смогли выложить записи всех лекций.
Поэтому, держите список последних 5 лекций курса которые мы выложили за эти 2 недели:

@digitman рассказывает зачем нужен Model-Based RL и считает количество самоцитирований Шмидтхубера:
https://youtu.be/MXcaufqBua4

Лекция @justHeuristic о том как эффективно сьесть все доступные мощности при обучении DL моделей:
https://youtu.be/ITL9iMNGt5w

Лекция @Erring с обзором статей по Transfer RL и Multi-task RL:
https://youtu.be/HAGoMrfg3Yk

Лекция @supergriver про архитектуры памяти в RL. И как память помогает в решении POMDP и MDP задач:
https://youtu.be/cIGwDuGIjC4

Лекция @scitator про эволюцию распределенных алгоритов в RL за последние 5 лет:
https://youtu.be/8A-qdCluRRY

Все лекции можно найти на этих каналах:
https://www.youtube.com/playlist?list=PLt1IfGj6-_-eXjZDFBfnAhAJmCyX227ir
https://www.youtube.com/channel/UC6KYPBaACVG0pkBWH5bkWLQ/videos

It seems link has expired

+

Well, they were requesting a new link.

Sorry, noticed. :)

No worries :) @sky_kell

Now the same issue, link expired. Could you share the invitation link plz?

Appreciate that

Всем привет!
В статье https://arxiv.org/abs/2006.05990 пишут, что tanh(Normal(mu, sigma)) изменяет распределение (то есть density function), но на градиенты это не влияет (страница 15). Разве это верно?

По-моему, написано, что замена подобрана с таким условием, что выполняется равенство градиентов (не уверен, правда)

Ну да, я как-то криво передал то что они написали. Но кажется что tanh меняет градиенты. В SAC tanh применяется точно так же и там он меняет градиенты и формула для лог-вероятности (и их градиентов) меняется

p_u(u) = lim int_tanh(x)^tanh(x)+h p_x(t) dt, не?

И тогда все выходит как написано