solebasis

soul/beat make/data science/statistical signal processing

[solebasis @sb4l_jp]

svqnというpomdp-rl

状態空間モデルと方策勾配での計画
を同時に学習できるらしい

最適性変数項を、その変分下界である
soft-qタイプの方策勾配で置換か

ここまで納得感も
残りのelboの不自然さで断念

結局、dvrlでいーけどなじゃあ
なんとかく考えが進んだ

fioc world modelとp3oが次熱い✈︎

[solebasis @sb4l_jp]

@zenipenpen 感動は確実、と
見習うべき段落の構成✏︎

[solebasis @sb4l_jp]

真空ジェシカさんのファントムは
causal cofusion起こしたわけか🚕

[solebasis @sb4l_jp]

勾配クリップでもう一波乱、越え⛰️
ちびこいtipsを蓄え1up

[solebasis @sb4l_jp]

transformer学習むずい
とかいって
単にnormクリップが強すぎなど
たんなる多層の行列に
踊らされ倒す日常ですな🍵

[solebasis @sb4l_jp]

@sciencegirl 200-170=2?
?=15

[solebasis @sb4l_jp]

@DBZdaily_ サイヤ人やからってことね💡

[solebasis @sb4l_jp]

dさん、いい音楽をありがとう🕊️
smooth、higher、devils pieが
とくに好きやった気がする

[solebasis @sb4l_jp]

@xeno_37G_Player 今更で、ほえーってなるけど

魔王がいても平和と
魔王がいなくても非平和
がないかぎり同じでいーかも

思っちゃいました、すんません🙇

[solebasis @sb4l_jp]

状態分布外に出たら不安定化
→分布外をなくすように猛練習
→分布外に出ないように練習
→分布外に出てもたら仕切り直し
→分布外に出そうなら方向転換

いろいろ考えるもんやなー
2、4がおもろいと思っちゃう🤖

[solebasis @sb4l_jp]

mambaにふれるきっかけから
rts smoothingを活用した
潜在動的モデルの変分推論に思い至る

やっぱり渋い、いつの日も熱い
deepでこそ活きる、神業や✈︎

ふと
制御とか動的システムやってるガチで
この夢を信じられないまだ

[solebasis @sb4l_jp]

そういや、仕事ができる上司を
スーパーマンとかよぶやつ久々みた
姫路にもおったか🤨

[solebasis @sb4l_jp]

豆鉄砲、あちー🔥
去年のm-1からファン
やらしてもうてる

[solebasis @sb4l_jp]

@paranormal_2ch 最後の一巻きが一本だけやからちゃいますの

[solebasis @sb4l_jp]

@paranormal_2ch 前からみたらみえなくて
斜めになるほどみえるようで
普通のことかもしらん🤔

[solebasis @sb4l_jp]

そういってるうちに
Q値や行動も生成的にしたい
という欲がでてくる🤔

遷移、行動、行動価値が
共有する潜在状態を推論
みたいにできへんか

[solebasis @sb4l_jp]

stochastic marginal actor critic👏
ポリシーもlvmにしちゃうと

rssmを必死こいて多峰化くらいしか
思いつきませんよ普通、すげ✈︎

[solebasis @sb4l_jp]

diffusionもnormalizing flowも
flow matchingもすてさり
sequential monte carloをやる渋さ🕶️
自然とそうなる

[solebasis @sb4l_jp]

sequential latent variable modelsでの
初期値の確率的な扱いにスッキリ理解が
降ってきよった 1up✈︎

[solebasis @sb4l_jp]

次はrao-blackwellization
とかやってみっかな✈︎

確率的な動的システムを
進んでいくと自然と
差し掛かかるものだろう🤨