WEBVTT 00:00.330 --> 00:02.170 Merhaba ve Statoil'e hoş geldiniz. 00:02.400 --> 00:06.270 Tamam, böylece sadece entropiyi hesapladık ve entropiler listesine ekledik. 00:06.270 --> 00:11.640 Şimdi şimdi yapacağımız şey, bir sonraki olasılık dağılımına göre rasgele 00:11.700 --> 00:13.190 bir eylem bırakmaktır. 00:13.200 --> 00:14.540 O halde bunu yapalım. 00:14.540 --> 00:15.780 Bir sonraki adım. 00:15.870 --> 00:19.910 Hala döngüdeyiz çünkü burada hala basamaklar üzerinde ilerliyoruz. 00:20.160 --> 00:22.550 Böylece eylemi nasıl oynayacağınızı şimdi biliyorsunuz. 00:22.590 --> 00:28.740 Önce eylem olarak adlandırılan eylem için bir değişken tanıtacağız ve daha 00:28.740 --> 00:37.350 sonra olasılık dağılımımızı alacağız ve olasılık dağılımından rastgele bir çizgi çekmek için çoklu sinirsel olmayan bir 00:37.350 --> 00:41.390 fonksiyonu kullanacağız ve sonra bu verileri ekliyoruz. 00:41.500 --> 00:48.550 Dolayısıyla, hareketin aslında yalnızca bir değerli bir tensör olacağını belirtmek önemlidir, ancak bunu basit 00:48.550 --> 00:51.010 bir değer olarak görmemeniz gerekir. 00:51.010 --> 00:57.050 Bunu, eylem için bu değeri içeren tek tek tensör lanet olarak görmelisiniz. 00:57.190 --> 01:02.970 Bunun nedeni, aynı for döngüsünde hala sıkıştırılmamış olmasıdır. 01:02.970 --> 01:09.880 Oynadığımız eylemle ilişkili günlük olasılığını elde edeceğiz. 01:10.170 --> 01:16.750 Ve burada şansımı değerlendirdiğimde şansım olasılığını burada önceki şansımızı alarak hesapladık 01:16.810 --> 01:25.480 ve burada hesapladım ve daha sonra girdi 1'e gideceğim diğer yöntemi kullanacağım ve sadece 01:25.480 --> 01:31.510 çünkü bu eylemle ilişkili şans olasılığını elde etmek istiyoruz. 01:31.510 --> 01:38.230 Ve burada ikinci argüman eylemimi koyacağım, ancak toplanan işlevin gerektirdiği kadar korkunç bir 01:38.860 --> 01:44.530 işkence olmalı ve toplanan işlev sadece tensör tam sayı ile dizinleniyor. 01:44.530 --> 01:48.910 Pekâlâ, şimdi, gösterilen eylemle ilişkili görünüşümüz oldu. 01:49.030 --> 01:53.790 Ve şimdi bir sonraki adım, elimizdeki listeyi burada eklemektir. 01:53.800 --> 01:55.570 Yani değeri var. 01:55.750 --> 01:58.820 Modelin çıktısı olarak buraya geldik. 01:58.840 --> 02:00.880 Sonra da kilit problemi bulduk. 02:00.910 --> 02:04.030 Bu yüzden kilidini kilit sahne listesine ekleyeceğiz. 02:04.180 --> 02:09.610 Zaten entropiyi, daha az iyi olan entropiye eklemekteyiz ve ödüller daha sonra onu alacaktır. 02:09.700 --> 02:15.250 Dolayısıyla değer ve değer listesine ve hukuk sürecine bakmaya başlayacağız. 02:15.520 --> 02:16.180 Bunu yapalım. 02:16.180 --> 02:23.800 kullandığımızı ekledik ve modelden döndürülen değeri mükemmel ekledik. Daha sonra kilit probları 02:23.920 --> 02:32.700 için Aynı Yeni yeni sahne takımlarımızı aldık ve onu kilit sahne listesine ekleyeceğiz. 02:32.710 --> 02:36.080 Değerler listemizi alıyoruz, harcama işlevini 02:36.180 --> 02:43.960 Ve böylece bu ekleme işlevi şansımızdan bir günlük koyabilir, muhtemelen burada sadece hesaplanmıştır. 02:43.960 --> 02:47.320 Tamam, böylece listelerimiz şimdi güncellendi. 02:47.350 --> 02:53.060 Şimdi ne yapacağız eylemi oynamak çünkü aslında burada burada olasılık dağılımından 02:53.060 --> 02:56.570 rasgele bir çizgi alarak eylem seçtik. 02:56.650 --> 03:03.040 Fakat aslında henüz oynamadık ve şu an oynamaya devam edeceğiz, böylece yeni devrime ulaşabilir ve bu 03:03.220 --> 03:06.150 nedenle yeni bir geçiş kazanabilir ve oynayabiliriz. 03:06.170 --> 03:10.960 çevremizdeki eylemi oynuyoruz, o zaman adım yöntemini kullanacağız. 03:10.960 --> 03:12.990 Çevremizi alacağız, çünkü 03:13.210 --> 03:20.650 İçeride oynamak için seçilen eylemi belirtiyoruz ve bunu yapmak için eylemimizi gerçekleştiriyoruz ve 03:20.650 --> 03:25.280 işlevini yerine getiriyoruz, çünkü fonksiyonun bu olması bekleniyor. 03:25.750 --> 03:35.820 Tamam ama bu aslında yeni durumu ve aynı zamanda yeni ödülleri döndürür, çünkü yeni duruma ulaşarak yeni bir 03:36.000 --> 03:43.500 ödül alırız ve Dunn'ın oyunun bitip tamamlanmadığını öğrenmesi için yeni bir değer elde ederiz. 03:43.500 --> 03:49.180 Pekâlâ, bundan dolayı biz yeni bir devlete ulaştığımız eylemde oynamaktayız ve bir ödül kazanırız ve 03:49.200 --> 03:50.510 oyuyla işimiz bittiğini bileceğiz. 03:50.520 --> 03:52.740 Ve oyuyla yapılmaktan bahsediyorum. 03:52.990 --> 03:58.590 Eh, burada bir ajanın bazı durumda yığılmadığından emin olmanızı sağlayacak bir şey 03:58.590 --> 03:59.180 ekleyeceğiz. 03:59.280 --> 04:04.240 Ve bunu yapmak için, bunu aşağıdaki şekilde çok iyi bir şekilde güncelleyeceğiz. 04:04.860 --> 04:11.910 Yapılması eşit olacak, yoksa oyunun bölümünün çok fazla süreceğini söyleyen bir 04:11.910 --> 04:19.200 durum ekleyeceğiz ve ana işleve göre eşit olacak bir maksimum uzunluk 04:19.200 --> 04:21.960 parametresi olacağını göreceğiz. 10000'e. 04:22.170 --> 04:25.750 Ve bir bölümün 10000'den fazla birimi sürmesini istemiyoruz. 04:25.860 --> 04:34.200 daha büyük bir şart yazacağız, aslında bunu tam olarak söylemedik. 04:34.830 --> 04:43.250 Böylece bir bölümün uzunluğunu bölüm uzunluğunda duyacağız ve maksimum bölüm Lex'den 04:43.250 --> 04:49.210 Paramjit'ten Ramstad'a bitiş için parametrelerimizden alıyoruz. 04:49.210 --> 04:50.600 Max uzun. 04:50.600 --> 04:59.330 Dolayısıyla bu, oyun yapılırsa veya bölümün uzunluğu, 10000'e eşit olan en fazla atlama sayısı uzunluğundan 04:59.330 --> 05:02.110 daha büyük olduğu anlamına gelir. 05:02.270 --> 05:05.410 Peki oyun yapılacak ve yeni bir oyuna başlayacağız. 05:05.960 --> 05:08.040 Tamam, bu sadece bir önlem. 05:08.180 --> 05:14.360 söz edersek, ödülü eksi 1 ile artı 1 arasında kısaltmak için bir önlem daha ekleyeceğiz. 05:14.360 --> 05:15.400 Ve önlemden 05:15.470 --> 05:20.450 Zaten kazanmış olduk, ancak ödülün eksi 1 ile artı 1 arasında olmasını sağlamak 05:20.450 --> 05:20.960 istiyoruz. 05:21.140 --> 05:27.740 Bunu yapmak için, ödül adamlarını ödül ve 1 almak suretiyle maksimumu 05:28.240 --> 05:31.060 alarak bunu ödüllendirmemiz yeterlidir. 05:31.190 --> 05:37.790 Ve burada minimum ödülün maksimumunu ve 1 ve eksi 1'i alırız ve ödülün eksi 05:37.790 --> 05:40.040 bir artı arasında olmasını sağlarız. 05:40.160 --> 05:40.910 Tamam. 05:40.910 --> 05:42.180 Bu yüzden başka bir perküsyon. 05:42.380 --> 05:49.070 Ve şimdi biz sadece oyunun bittiğini kontrol etmek istiyoruz, bu durumda ortamı yeniden başlatacağız. 05:49.220 --> 05:53.010 Ve şimdi bunu kontrol etmeye neden gerek var, çünkü yeni bir duruma geçtik. 05:53.090 --> 05:54.880 Yeni bir geçişten yeni geçtik. 05:54.890 --> 05:58.010 Dolayısıyla, bu yeni geçişi geçtikten sonra bunu kontrol etmemiz gerekiyor. 05:58.130 --> 06:06.860 Peki oyun bitmedi, o zaman tekrar tekrar yapılırsa bu 06:07.250 --> 06:14.180 durumda, bölüm uzunluğunu sıfıra ayarlayarak ortamları yeniden başlatacağız. 06:14.330 --> 06:21.800 yeniden başlatması için yeniden başlatılacak ve sıfırlama işlevini OK kullanıyoruz. 06:21.800 --> 06:25.270 Ayrıca çevremizi alırken devletin 06:25.310 --> 06:29.040 Şimdi sadece kontrol eden bu durumdan kurtulduk. 06:29.230 --> 06:34.640 Ve şimdi yapacağımız şey, bu yeni devlet şu anda ve sonra Ray 06:34.640 --> 06:40.410 tarafından yeni bir hale geldiğimizden beri, devletlerin başlangıçta dizilerle adlandırılan girdi görüntülerini hatırlamak. 06:40.570 --> 06:44.430 Ve şimdi yapmamız gereken şey, yeni devleti işkenceye dönüştürmek. 06:44.600 --> 06:50.410 Durumumuzu güncelleyeceğiz ve meşale kütüphanesini kullanacağız. 06:50.630 --> 07:00.880 Ve elbette, Taylandlı olmayan bu işlevi, bu ödemeyenlerin giriş imgelerini bir meşale algılayıcısına dönüştürdüğü şeklinde 07:00.890 --> 07:01.800 değiştirdi. 07:02.150 --> 07:03.150 Mükemmel. 07:03.260 --> 07:08.620 Ve şimdi bu döngüden çıkmadan önce yapmamız gereken en son şey, 07:08.810 --> 07:13.030 adımlarımızdaki döngü budur Elbette ödülü İzleme Listesine harcamaktır. 07:13.040 --> 07:18.310 Güncellenecek en son şey, ödül hariç tüm listeyi burada güncelledik. 07:18.320 --> 07:24.830 Dolayısıyla şimdi bunu yapacağız, şimdi ödüllerimizi alıyoruz ve sadece mükemmel olan son 07:24.830 --> 07:28.110 kelimeyi eklemek için beynin işlevini kullanıyoruz. 07:28.220 --> 07:36.110 Ve for döngüsünden çıkmadan hemen önce son bir kontrol yapmamız gerekiyor, tamamlanırsa sona 07:37.340 --> 07:39.490 erme işlemini durdurmak istiyoruz. 07:39.530 --> 07:42.550 Ve bu yüzden sadece bir mola ekleyeceğiz. 07:42.560 --> 07:48.590 Bu yapıldığı takdirde araştırmayı durdurduğumuzdan ve paylaşılan modelin güncelleneceği bir 07:48.590 --> 07:56.930 sonraki adıma geçeceğiz ve şu an için ajan keşiflerini gerçekleştirdiğimizden şu an bittiğimiz anlamına 07:56.930 --> 07:57.980 geliyor. 07:58.190 --> 08:04.910 Paylaşılan modeli güncelleyecek ve bir sonraki ders kitabında bu konuyla ilgileneceğiz ve o zaman ben.