接案工作

開始收到案件通知

地區

系統電視櫃訂製

輸入關鍵字找案件

地區

" 系統電視櫃訂製" 相關案件

- 共1212件

木工施工

呂〇航

高雄市三民區

施作預算：25萬-50萬

木作類型：隔間、牆面,木作天花板,木地板,訂製木門、家具,拆除原有裝潢並清運,木作其他工程

8/16

木工接案

木工工作

木工師傅

1. 系統櫃,櫃子,床,架子 2. 已交屋之房屋 3. 我有初步的設計構想 4. 皆可討論 5. 沒有

描述： 1. 案場位於9樓樓中樓（一層面積約20坪、二層約12坪），需新增夾層（新增面積約4坪）

我要接單

找專家

軟體開發

邱〇榮

新北市蘆洲區

顧客預算：沒有預算概念

交件時限：指定交件期限: 9/30

8/16

RD 工作

web 接案

Programmer 工作

1. 其他 2. Python 3. 只有想法 4. 聽從專家的建議 5. 沒有

描述： 1. 遊戲ai程式 2. 設計一個可以自動玩onebit adventure的ai程式 DQN.py：實作 Dueling Deep Q-Network (DQN) 的智能體，包含網路架構、經驗回放、訓練流程與 epsilon-greedy 策略。 virtual.py：自訂的虛擬環境，採用 12x11 的網格地圖，地圖中有主角（Hero）、目標（Target）與障礙物，Hero 可透過上下左右移動，並根據行為獲得獎勵或懲罰。 test.py：測試模組，用於載入訓練好的模型，讓智能體在環境中實際操作，並輸出地圖與分數。 ? 設計目的建立一個簡單可控的模擬環境，讓智能體能透過嘗試錯誤學習移動與達成目標。應用深度強化學習 (Deep Reinforcement Learning) 技術，驗證 DQN 在自訂遊戲環境中的表現。分離環境 (virtual.py) 與演算法 (DQN.py)，使系統具備可擴充性與可維護性。 ? 期望目標學習效果：希望智能體能學會在地圖中找到並接觸目標，避免不必要的移動或過早結束遊戲。最佳化策略：透過 Dueling DQN，智能體不只依賴動作價值，也能評估當前狀態的重要性，提升策略穩定性。驗證系統：利用 test.py 測試已訓練好的模型，觀察 Hero 的決策行為，並評估其在多場遊戲中的平均表現。 3. 9/30

我要接單

找專家