强化学习阅读笔记

muduo源码阅读笔记（4、异步日志）

muduo源码阅读笔记（4、异步日志）Muduo源码笔记系列：muduo源码阅读笔记（0、下载编译muduo）muduo源码阅读笔记（1、同步日志）muduo源码阅读笔记（2、对C语言原生的线程安全以及同步的
LunarCod·2024-01-29 22:28

muduo源码阅读笔记（2、对C语言原生的线程安全以及同步的API的封装）

muduo源码阅读笔记（2、对C语言原生的线程安全以及同步的API的封装）Muduo源码笔记系列：muduo源码阅读笔记（0、下载编译muduo）muduo源码阅读笔记（1、同步日志）muduo源码阅读笔记
LunarCod·2024-01-29 22:58

muduo源码阅读笔记（5、Channel和Poller）

muduo源码阅读笔记（5、Channel和Poller）Muduo源码笔记系列：muduo源码阅读笔记（0、下载编译muduo）muduo源码阅读笔记（1、同步日志）muduo源码阅读笔记（2、对C语言原生的线程安全以及同步的
LunarCod·2024-01-29 22:58

muduo源码阅读笔记（1、同步日志）

muduo源码阅读笔记（1、同步日志）Muduo源码笔记系列：muduo源码阅读笔记（0、下载编译muduo）muduo源码阅读笔记（1、同步日志）muduo源码阅读笔记（2、对C语言原生的线程安全以及同步的
LunarCod·2024-01-29 22:28

阅读笔记（114）：在健康这事儿上，心态最重要

原文：《比压力山大更可怕的是什么？》2016.2.8一、文章简要1.来自2012年的一篇关于一项历时八年的统计研究报道显示：1）巨大压力可提高43%的死亡危险；2）这种对于死亡危险的提高，只适合于相信压力有害健康的人。得出，压力与观念的组合才是压力真正有害的原因（进而，算一算，过去八年因为压力死亡的人数可排进各致死原因的前十五位）2.心理与生理确实是相互影响的；1）极端的例子（流传）：受害者被杀人
卡拉咖啦·2024-01-29 18:21

有关机器学习的两种算法特点

机器学习算法主要有三大类：监督学习、无监督学习和强化学习。监督学习：使用预定义的“训练示例”集合，训练系统，便于其在新数据被馈送
轻雨科技·2024-01-29 17:49

《Deep Long-Tailed Learning: A Survey》阅读笔记

论文标题《DeepLong-TailedLearning:ASurvey》深度长尾学习：调查作者YifanZhang、BingyiKang、BryanHooi、ShuichengYan（IEEEFellow）和JiashiFeng来自新加坡国立大学计算机学院、字节跳动AILab和SEAAILab初读摘要长尾类别不平衡（long-tailedclassimbalance）：深度长尾学习是视觉识别领域
AncilunKiang·2024-01-29 15:49

《Confusion Graph: Detecting Confusion Communities in Large Scale Image Classification》阅读笔记

论文标题《ConfusionGraph:DetectingConfusionCommunitiesinLargeScaleImageClassification》混淆图：在大规模图像分类中检测混淆社区作者RuochunJin、YongDou、YueqingWang和XinNiu来自国防科技大学并行和分布式处理国家实验室，和上一篇是姊妹篇。初读摘要问题描述：对于基于深度卷积神经网络（CNN）的图像分
AncilunKiang·2024-01-29 15:49

《Visual Tree Convolutional Neural Network in Image Classification》阅读笔记

论文标题《VisualTreeConvolutionalNeuralNetworkinImageClassification》图像分类中的视觉树卷积神经网络作者YuntaoLiu、YongDou、RuochunJin和PengQiao来自国防科技大学并行和分布式处理国家实验室初读摘要问题：在图像分类领域，随着深度学习的快速发展，卷积神经网络（CNN）模型已经取得了高性能。然而，在图像数据集中，有些
AncilunKiang·2024-01-29 15:45

深度强化学习基本概念-王树森课程笔记

学习资料：深度强化学习课程-王树森目录一、概率论知识二、强化学习专业术语三、强化学习的随机性来源1.action2.statetransition四、Rewards,Returns&ValueFuctions1
淀粉爱好者·2024-01-29 12:06

深度强化学习 _Actor-Critic 王树森课程笔记

Actor-CriticMethod一、ValueNetwokandPolicyNetwork1.Policynetwork(Actor):π(a∣s;θ)\pi(a|s;\bm\theta)π(a∣s;θ)2.Valuenetwork(Critic):q(s,a;w)q(s,a;\textbf{w})q(s,a;w)二、训练神经网络1.用TD算法更新价值网络2.用策略梯度算法更新策略网络三、Ac
淀粉爱好者·2024-01-29 12:06

深度强化学习（王树森版）学习笔记（一）——机器学习基础

前言由于本人的工作与深度强化学习相关，想找个机会重新复习下深度强化学习的相关知识，正好手上有这本书，粗略一看感觉知识点挺简洁的，内容也挺全面，也提供了一些学习资料。所以开个坑记录一下这本书的学习过程。
向南而行灬·2024-01-29 12:35

强化学习（王树森）

目录基本概念价值函数目的基本概念**策略函数(policy)**是根据观测到的状态做出决策策略函数π\piπ：S×\times×A→\rightarrow→[0,1]是一个条件概率函数：π\piπ(a|s)=P(A=a|S=s)策略函数的输入是状态s和动作a，输出是一个0到1之间的概率值奖励(reward)是在智能体执行一个动作之后，环境返回给智能体的一个数值状态转移是指当前状态s变成新的状态s’
leukocyten·2024-01-29 12:05

深度强化学习（王树森）笔记06

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-29 12:01

谷歌发布West-of-N，利用合成数据，显著提升LLM奖励模型质量 | 今日Arxiv最热大模型论文

这为改善人类反馈强化学习（RLHF）在语言模型对齐上提供了新的研究方向。引言：人类反馈对语言模型的影响在人工智能领域，语言模型的发展已经达到了令人瞩目的水平，它们能够生成流畅、连贯且在很多
夕小瑶·2024-01-29 12:51

人工智能主要分支

其理论基础包括监督学习、无监督学习、强化学习。支持向量机（SupportVectorMachines）、决策树（Decisi
ByteSage.·2024-01-29 12:52

nav2阅读笔记

(1)机器人起始坐标是在全局地图中，目标点也在全局地图中，全局路径规划在全局地图完成。机器人的运动控制是在局部地图中完成，也就是在车体坐标系下。(2)无人机、自动驾驶车辆全局路径规划、局部路径规划都是在全局坐标系下完成。
zy806235948·2024-01-29 11:43

OpenAI Gym 中级教程——深入强化学习算法

PythonOpenAIGym中级教程：深入强化学习算法OpenAIGym是一个用于开发和比较强化学习算法的工具包，提供了多个环境，包括经典的控制问题和Atari游戏。
Echo_Wish·2024-01-29 10:16

多智能体强化学习（概念知识，不涉及具体算法）

目录一、前置知识1.factoredvaluefunction2.partiallyobservableMDP(POMDP)problem.2.2Decentralized-POMDPproblem2.3networkeddecentralizedpartiallyobservableMarkovdecisionprocesses(ND-POMDP)problem2.4上述两种算法的区别3.Mea
还有你Y·2024-01-29 08:39

多智能体强化学习--理论与算法

**critic网络：**MAPPO的actor和critic网络actor网络：critic网络：QMix(QMIX)VDN(ValueDecompositionNetworks)参考博士论文：基于强化学习的多智能体协同关键技术及应用研究基础概念在单个智能体与部分可观测环境的交互过程一般使用部分可观测马尔可夫决策过程
还有你Y·2024-01-29 08:09

多智能体强化学习--MAPPO(pytorch代码详解)

标题代码详解Actor和Critic网络的设置代码详解代码链接（点击跳转）Actor和Critic网络的设置基本设置：3个智能体、每个智能体观测空间18维。Actor网络：实例化一个actor对象，input-size是18Critic网络：实例化一个Critic对象，input-size是18x3=54在choose_action调用actor网络的时候，传入的直接是三个智能体的参数，tenso
还有你Y·2024-01-29 08:04

解密人工智能：探索机器学习奥秘

文章目录前言一.机器学习的定义二.机器学习的发展历程三.机器学习的原理四.机器学习的分类3.1监督学习3.2无监督学习3.3半监督学习3.4强化学习3.5四种分类对比五.机器学习的应用场景六.机器学习的未来发展趋势全文总结前言机器学习
聆风吟_·2024-01-29 08:25

Learning in the Frequency Domain（频域）阅读笔记

1、背景知识1.1、频域频域相关知识：频谱、相位谱、傅里叶变换、欧拉公式等…傅里叶级数：任何周期函数都可以分解成一堆（无穷个）正弦函数Asin(wx+φ)，又因为sin(a+b)=sinacosb+cosasinb，则对于任何周期函数可以分解为一堆正弦和余弦函数。傅里叶级数所做的工作：把{1，sinx，cosx，sin2x，cos2x，…，…}看成空间的基（原因：这组基的各部分之间是相互正交的，也
海浪在开花·2024-01-29 08:11

源码阅读笔记--memory内存管理

内存管理支持用户自定义的、命名的对象类型，其中指定了这一类型需要分配的大小和一些标记，例如返回前清零（PH_MEM_FLAGS_ZERO）。全局的memtypes管理了已注册的所有memtype，预分配1024个memtype指针。staticvoidmemory_init(void){memtypes_size=1024;memtypes=malloc(memtypes_size*sizeof(
sxr008·2024-01-29 07:25

阅读笔记：社科法学与法教义学的初步比较——从“儿童最佳利益”谈起

注释(2022/5/22上午11:32:27)“笃信法律自主的法教义学是无法自我协调而成为一致的体系；它所谈的理想——不论是先验的原则或者是最佳的国际实践——往往是空想”(贺欣,2021,p.155)“规范法学是法教义学的大众版，指的是从法律的渊源出发，即案例、法条和其他法律来源中来进行的法学研究；它只关心法律自身的分析，无意去考察法律的效果或者法律在适用时发生的问题。它们的重心是“应然”的法律。
SherwenHoee·2024-01-29 05:10

如何有效的召开班会

阅读笔记第361/365天今日阅读《正面管教》——如何不惩罚、不娇纵地有效管教孩子［美］简·尼尔森著玉冰译第8章：班会一、召开班会的意义。1.提供了学习和实践最好的环境。
蓝色多莉·2024-01-29 03:24

深度强化学习_AlphaGo 王树森课程笔记

AlphaGo一、游戏规则二、设计思路三、Training1.策略网络1.1State(ofAlphaGoZero)1.2PolicyNetwork1.3BehaviorCloning1.4策略梯度2.价值网络2.1PolicyValueNetworks(AlphaGoZero)2.2训练价值网络四、Execution：MonteCarloTreeSearch1.主要思想2.MCTS步骤2.1St
淀粉爱好者·2024-01-29 03:53

深度强化学习之价值学习-王树森课程笔记

学习资料深度强化学习课程-王树森目录一、Value-basedlearning二、DeepQ-Network(DQN)1.原理2.DQN结构（以超级玛丽为例）3.用DQN操作Agent打游戏三、TemporalDifferenceLearning
淀粉爱好者·2024-01-29 03:23

深度强化学习之策略学习-王树森课程笔记

学习资料深度强化学习课程-王树森目录一、Policy-basedlearning二、PolicyNetwork三、Policy-BasedReinforcementLearning（策略学习）1.用神经网络近似状态价值函数
淀粉爱好者·2024-01-29 03:23

王树森《深度强化学习》学习笔记

基本概念马尔可夫决策过程(MDP)智能体（agent）：强化学习的主体，由谁做动作或决策，谁就是智能体环境（environment）：与智能体交互的对象，可以抽象的理解为交互过程中的规则或机理状态(state
ustb_student·2024-01-29 03:22

深度强化学习（王树森）笔记04

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-29 03:19

《正面管教》第5章怎样激励十几岁的孩子～阅读笔记

一、回想一下我唠叨孩子的场景？真的是太多了。作业做得太晚，到了规定时间不睡觉，房间没有整理，鞋子脱下来乱放，考试成绩没有达到预期…天啊，怎么会这样。我的孩子真的一无是处？还是我们真的不懂自己的孩子？经过本章节的学习，我觉得问题还是在于自身缺乏对孩子了解，根本不知道现在十几岁孩子的思想，一味的按照自己的想法去说教，其实是在摧毁孩子的自信。根本就没有达到解决问题的目的，哪怕孩子按照我说的去做了，也并不
哆啦A梦_瑶妈·2024-01-28 22:16

Denoising diffusion implicit models 阅读笔记2

Denoisingdiffusionprobabilisticmodels(DDPMs)从马尔科夫链中采样生成样本，需要迭代多次，速度较慢。Denoisingdiffusionimplicitmodels(DDIMs)的提出是为了在复用DDPM训练的网络的前提下，加速采样过程。加速采样的基本思路是，原本的生成过程是从[T,⋯ ,1][T,\cdots,1][T,⋯,1]的序列逐步采样，加速时考虑从
冰冰冰泠泠泠·2024-01-28 20:57

【伤寒强化学习训练】打卡第十二天 一期90天

2021.1.12【11.47】厥阴之为病，消渴，气上撞心，心中疼热，饥而不欲食，食则吐蚘，下之，利不止。厥阴病是一个阴阳分裂的病，它跟少阴病是一个不同层面的问题，少阴病的很多问题是在于阳虚，而厥阴病是在阴阳分裂的问题厥阴病特质：寒气往底下掉，热气往上面冲（温热）部分人的舌苔厚而黄，部分人的舌头干干而没有舌苔（偏湿）一直想要喝水却并没有小便不利的状态，上焦发热口渴感觉胸口有东西顶住，又烫又热部分人
A卐炏澬焚·2024-01-28 20:59

绘本讲师训练营【54期】3/21 阅读原创：《绘本之力》阅读笔记2/4 - 绘本，承载了什么？

54012王菲菲（恢恢）今天继续阅读《绘本之力》。《绘本之力》习惯性再回顾一下昨天看的后半部分，发现又有新的感触，或者说是昨天那部分没有被及时抓住的想法。你们觉得，绘本承载了什么？边读文章，我也边在思考这个问题。我不服气！松居直老师在演讲中提到了，欧美和韩国，却只字未提中国。这让我有些失落。想起国家图书馆典藏阅览部主任兼少儿馆馆长，王志庚老师就说过“我们中国也有非常优秀的原创的绘本”。可是就是没有
大恢恢爱阅读·2024-01-28 19:46

文案生成贴心小助手

经过约1T标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62亿参数的ChatGLM-6B已经能生成相当符合人类偏好的回答。✨
会唱歌的炼丹师·2024-01-28 17:59

Android 进阶解密阅读笔记11

前面从WindowManagerGlobal角度整理了addView,updateView等工作内容，发现最终会通过WMS完成处理，这期就对WindowManagerService进行整理。WMS的职责及相关类WMS的职责有点类似AMS，但我觉得比AMS更会复杂，不是说其自身功能很强大，而是说它需要协助其他系统来完成很多事情，所处的位置很关键。主要的功能有，窗口管理负责窗口的启动，添加，删除还有窗
jkwen·2024-01-28 15:09

华为比赛-慧科第一届人工智能应用创新大赛的入门培训的相关学习

前言之前强化学习的课程老师鼓励参加华为云的比赛，慧科杯第一届人工智能应用创新大赛（又想去白嫖GPU的资源）首先大概说一下这个比赛，基于华为ModelArts平台，和之前学习的百度的AIstudio来说，
renyujie518·2024-01-28 13:22

使用强化学习进行神经网络结构搜索的代码以及修改

目录代码一（UsingTensorFlow）：代码二（UsingTensorFlow）：代码三（UsingPyTorch）：参考：本人在网上找了三个相关的代码，但是都有问题，这里记录一下修改哪些地方之后可以跑通。代码一（UsingTensorFlow）：代码地址：https://github.com/wallarm/nascell-automl这个代码有详细的说明：TheFirstStep-by-
ThreeS_tones·2024-01-28 13:43

强化学习（四）动态规划——1

但其在强化学习中实用性有限，其一是它是基于环境模型已知；其二是它的计算成本很大。但它在理论伤仍然很重要，其他的一些算法与动态规划算法（DP）十分相似，只是计算量小及没有假设环境模型已知。
EasonZzzzzzz·2024-01-28 11:44

心理游戏和人生坐标的关联

多莉阅读笔记第243/365天今日阅读《蛤蟆先生去看心理医生》作者：【英】罗伯特·戴博德著陈赢译一、人的心理视角。童年的经历塑造了我们对世界的独特看法。
蓝色多莉·2024-01-28 10:37

【机器学习】强化学习（八）-深度确定性策略梯度（DDPG）算法及LunarLanderContinuous-v2环境训练示例...

训练效果DDPG算法是一种基于演员-评论家（Actor-Critic）框架的深度强化学习（DeepReinforcementLearning）算法，它可以处理连续动作空间的问题。
十年一梦实验室·2024-01-28 09:53

击败 8 名人类规划师：清华团队提出强化学习的城市空间规划模型

作者：彬彬编辑：李宝珠，三羊‍清华大学研究团队提出了强化学习的城市社区空间规划模型与方法，并实现了人类规划师与人工智能算法协作的城市规划流程，为智能城市的自动化规划提供了全新思路。
数据派THU·2024-01-28 08:21

阅读笔记3

不会写作的你，正在失去职场竞争力第一，没有打造出专属于自己的平台来沉淀他们的价值。第二，没有持续地输出价值容易载体，无法产生与用的深度连载。不会写作的人，也许正在失去职场身份。不会写作的人，也许正在被职场边缘化。不会写作的人，也许正在失去职场话语权。个人品牌和话语权，就是职场的筹码。混得不好，因为知道你的人太少1.钱赚得不够多2.职场地位不稳3.才华无人赏识4.社会圈子不高级在职场毫无影响力。写作
欣静读书·2024-01-28 07:44

阅后即焚阅读法—《阅读7堂课》

多莉阅读笔记第129/365天今日阅读《阅读7堂课》作者：秋叶秦阳第3章联机：让网络放大你的阅读视野-24.阅后即焚阅读法。1）联机阅读要不要做笔记？
蓝色多莉·2024-01-28 06:03

强化学习基础篇（五）动态规划之策略迭代（1）

强化学习基础篇（五）动态规划之策略迭代（1）1、如何改善策略（Howtoimproveapolicy）上节中我们讨论了如何使用贝尔曼期望方程进行策略估计,并没有对策略进行改进，而如果我们要解决控制问题，
Jabes·2024-01-28 06:06

学习AIGC大模型必知的强化学习RL的核心代码示例，速进！！！

我们的大模型商业化落地产品更多AI资讯请关注Free三天集训营助教在线为您火热答疑‍在人工智能的发展历程中，强化学习（RL）已成为推动技术突破的关键动力，尤其在自动化内容生成（AIGC）和大型语言模型（
OJAC近屿智能·2024-01-28 06:15

强化学习原理python篇03——贝尔曼最优公式

强化学习原理python篇03——贝尔曼最优公式）例子求解状态值求解行动值贝尔曼最优公式（Bellmanoptimalityequation）定义求解Contractionmappingtheorem步骤例子
WuRobb·2024-01-28 06:12

强化学习原理python篇04——迭代法

强化学习原理python篇04——迭代法Valueiteration数学原理算法步骤实例及python实现policyiteration数学原理算法步骤实例及python实现TruncatedpolicyiterationRef
WuRobb·2024-01-28 06:12

强化学习原理python篇05——蒙特卡罗方法

强化学习原理python篇05——MonteCarloMethods蒙特卡罗方法Ref本章全篇参考赵世钰老师的教材Mathmatical-Foundation-of-Reinforcement-LearningMonteCarloMethods
WuRobb·2024-01-28 06:12
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他