强化学习阅读笔记第28页

这都是因为爱——汤汤作品《流萤谷》阅读笔记

不能不说说萤妖阿碧这个人物。她的使命是把人从人类世界里带进流萤谷。没想到把秦若草带进来后，她遇到了壁垒，秦若草的女儿艾羽成了她命运的转身者，让她从严厉变成了柔软，让她从俯首帖耳变成了叛逆，最终放走了艾羽母女。在她存在的世界里，从没有出现过艾羽那样的现象，也从没有人类在变成萤火虫之后再变回到人类。所以，面对艾羽，她从最开始的冰冷，到最后的柔软，都是因为艾羽家里幸福咒语。因为她，艾羽家庭的幸福咒语发生

黑河畔梁波涛·2023-12-17 12:23

RIA阅读笔记

一、第十三章p212第一段R:“没有输家”的方法包含6个独立的步骤，父母理解这一点，对他们是很有帮助的。当父母遵循这6个步骤时，他们就更有可能成功：步骤1：确认并界定冲突。步骤2：找出各种可能的备选解决方案。步骤3：评估备选解决方案。步骤4：确定最合适的解决方案。步骤5：执行解决方案。步骤6：对解决方案的效果进行追踪评估。I:想要做到“没有输家”父母和孩子达到双赢需要6个步骤，当父母遵循这6个步骤

1598be2cb865·2023-12-17 10:05

MAAC算法总结

：MAAC注意力的演员评论家:Multi-Agent强化学习-知乎(zhihu.com)首先MAAC这个名字指代的是Multi-Actor-Attention-Critic，有一个Attention在里面

神奇的托尔巴拉德·2023-12-17 10:53

《家庭与夫妻治疗：案例与分析》阅读笔记1

隐喻的运用在治疗中使用隐喻，既能使治疗师挑战家庭成员，但又不会让他们觉得需要自我防卫。例如，建议一位父亲应该对其女儿更温柔和一些，因为“他的声音那么强悍，而她的声音却那么柔弱”；这种方式要比直接告诉父亲—他在用压制的方式胁迫她—更容易让父亲接受一些。一个精心挑选的隐喻，可以揭穿家庭貌似优雅的假象。“胡萝卜加大棒”两步挑战的方式，表达治疗师希望引起改变的建议。“你很聪明，但不明智。”“虽然你很疼爱也

酸酸甜甜的彩虹糖·2023-12-17 09:20

【深度强化学习】DQN, Double DQN, Dueling DQN

DQN更新方程Qθ(st,at)←Qθ(st,at)+α(rt+γmax⁡a′Qθ(st+1,a′)−Qθ(st,at))Q_\theta(s_t,a_t)\leftarrowQ_\theta(s_t,a_t)+\alpha\left(r_t+\gamma\red{\max_{a'}Q_\theta(s_{t+1},a')}-Q_{\theta}(s_t,a_t)\right)Qθ(st,at)←

x66ccff·2023-12-17 09:36

Bion）阅读笔记（第1册-03-比昂夫人Francesca Bion-我们那些年的日子-Ⅲ）

根据他在分析实践中不断增长的经验和不断变化的观点，50年代的论文于1967年以《第二思想SecondThoughts》发表，并附有他的评论和批评。他和精神病患者的持续工作奠定了60年代四本书的基础——《从经验中学习LearningfromExperience》、《精神分析的要素ElementsofPsychoanalysis》、《转化Transformations》和《注意与解释Attention

若宁Rena·2023-12-17 09:53

强化学习（三）-策略梯度优化policy Gradient

直接优化策略梯度而不是优化Q函数来指导agent做决策1基本概率策略policy:π(a∣s)\pi(a|s)π(a∣s)状态价值函数Vπ(st)=EA[Qπ(st,A)]V_\pi(s_t)=E_A[Q_\pi(s_t,A)]Vπ(st)=EA[Qπ(st,A)]Vπ(st)=∑aπ(a∣s)∗Qπ(st,A)V_\pi(s_t)=\sum_a\pi(a|s)*Q_\pi(s_t,A)Vπ(st

晚点吧·2023-12-17 08:36

强化学习（四）- Advantage Actor-Critic 及贝尔曼方程推导（A2C）

0概览AdvantageActor-Critic主要在于Q函数的计算，其中baselineb选择为状态价值函数，使用神经网络代替Vπ(s,w)V_\pi(s,w)Vπ(s,w)Q函数使用贝尔曼方程来近似Qπ(s,A)=rt+γVπ(st+1)Q_\pi(s,A)=r_t+\gammaV_\pi(s_{t+1})Qπ(s,A)=rt+γVπ(st+1)其中Advantage体现在Qπ(s,A)−Vπ

晚点吧·2023-12-17 08:32

论文阅读笔记(12月15)--DialogXL

论文阅读笔记(12月15)–DialogXL基本情况介绍：作者：WeizhouShen等单位：中山大学时间&期刊：AAAI2021主题：对话情绪识别(ERC)–文本模态论文链接：https://ojs.aaai.org

zhilanguifang·2023-12-17 06:54

《投资中最简单的事》阅读笔记（102/200）

2020年读完的第102本书时间：2020.7.27耗时4小时简评：这本书是结合作者的另一本书《投资中不简单的事》一起看的，两本书的投资理念都是一致的，注重价值投资和基本面投资。本书主要从投资原则、投资理念、投资方法、投资风险和投资心理学五个方面进行讲述。作者说投资中最简单的事其实就是知道自己的能力边界，发挥自己的优势，买便宜的好公司，注意安全边际，注重定价权，人弃我取，在胜负已分的行业里找赢家，

逆熵增者·2023-12-17 06:54

增广贤文阅读笔记

1.知己知彼将心比心,责人之心责己,爱己之心爱人。2.钱财如粪土,仁义值千金,做事须循天理,出言要顺人心。3孝当竭力，非徒养身。孝敬父母各方面都要尽心尽力，仅仅供养他们是不够。4.昼作惜阴，夜坐惜灯。白天要珍惜时间。一字千金,形容文词精炼严谨，不可改易。5.酒逢知己饮，诗向会人吟。6.近水知鱼性,近山识鸟音,路遥知马力,日久见人心。经常接近水就可以了解鱼的习性,经常接近山,就可以识别鸟的声音,路途

c09a71b0ffee·2023-12-17 06:53

【阅读笔记】稻盛和夫老先生一路走好

2022年8月30日稻盛和夫老先生仙逝，一路走好。再来温习一遍六项精进《六项精进》1.付出不亚于任何人的努力努力专研，比谁都刻苦，而且锲而不舍，持续不断，精益求精。有闲工夫发牢骚，不如前进一步，哪怕只是一寸，努力向上提升。2.要谦虚，不要骄傲"谦受益"是中国古话，谦虚的心能唤来幸福，还能提升心性，骄傲招人讨厌，给人带来懈怠和失败。才能是上天所赐，将自己的才能用于为"公”是第一义，用来为"私"是第二

打瞌睡的小兔子·2023-12-17 06:09

《值得信赖的顾问》深度阅读笔记-10

本篇笔记从《值得信赖的顾问》第53页—第60页【第六章】心态的重要性原文（P53）：专业顾问还需要拥有正确的心态。最为重要的心态包括：1.关注他人。2.自信。3.内心强大。4.好奇心。5.包容的专业精神。笔记：心态，即心理状态。包括直接现实性、综合性、相对稳定性、流动性和情境性。我的理解，心态就是我们进入某个场景前给自己预设的心理状态（建设）。关注他人原文（P53）：这一心态用一句格言来总结就是，

陈sir_誉澜山菜鸟驿站·2023-12-17 05:39

强化学习douzero模型伪代码

文章目录伪代码中文逻辑算法1Douzero的Actor过程算法2Douzero的Learner过程伪代码中文逻辑算法1Douzero的Actor过程Input:对于每一次entry,共享bufferBL,BU,BDB_L,B_U,B_DBL,BU,BD有B个entries,size为SSS,探索超参数为ϵ\epsilonϵ,折扣为γ\gammaγ初始化本地Q-networksQL,QU,QDQ_L

Mystery_zero·2023-12-17 03:35

《通往财富自由之路》“早是不是关键因素”阅读笔记

图片发自App绝大部分人都有这样的念头：我咋才知道呢？我要是早知道就好了！这是很多人都有的念头，但很少有人认真反思、认真思考，这样的念头究竟意味着什么，有什么影响，若是有不好的影响，又应该如何做才能避免将来受到同样的影响？大部分知识（比如你会计算，甚至你会精确计算概率）都不是可以用来直接赚到钱的，但确实有一些知识是直接有商业价值的——并且，越先知道越受益（前提是，用行动去支撑知识的结论），这就是“

在雨中跳舞·2023-12-17 03:11

RLlib七：github上的代码示例

如果没有注意力，强化学习代理只能“看到”最后一个观察结果，而不是

星行夜空·2023-12-17 02:01

Re58：读论文 REALM: Retrieval-Augmented Language Model Pre-Training

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：REALM:Retrieval-AugmentedLanguageModelPre-Training模型名称：Retrieval-AugmentedLanguageModelpre-training

诸神缄默不语·2023-12-17 02:41

【阅读笔记】思考工具

今天有幸在首页关注到了笔者格列柯南，在他的文章中学到不少理清思维方式的技巧与角度。感恩！在他的文章《训练哲学思维的12件思考工具》中，列举了哲学前人丹尼尔·丹尼特《直觉泵及其思考工具》第一部分中提出的思考工具，并将哲学家的观点换了一种说法，让我们更容易记住。1.犯错“过，而改之”，年轻人不要惧怕犯错误。但注意：在自己犯错之前，得知道别人都犯了什么错。“哲学史，实际上是记录了一大堆非常有智慧的人，翻

JahyChan·2023-12-17 01:26

【深度学习】强化学习（三）强化学习的目标函数

文章目录一、强化学习问题1、交互的对象2、强化学习的基本要素3、策略（Policy）4、马尔可夫决策过程5、强化学习的目标函数1.总回报（Return）2.折扣回报（DiscountedReturn）a

QomolangmaH·2023-12-17 01:35

《我的妈妈是精灵》阅读笔记

序最近《我的妈妈是精灵》这本书新出版，凭对这书名的名字的好感，所以把它加入了我的读书列表。花了一天半时间读完，这本书本来是一本儿童故事书，一读发现书中又加入了那么多真实的地名、照片，可能又会让你觉得这不是一本故事书，所以我也试着了解了作者的创作背景。图片发自App作者陈丹燕说：“这本书最初的故事来源于我女儿讲的睡前故事。女儿小的时候，睡觉前洗澡，很喜欢把水也泼到我身上。为了吓唬她，我说自己后背有一

宇宙之一粟·2023-12-17 00:55

为这人间操碎了心-阅读笔记-06

今日阅读完本书的最后一个章节-舌尖诱惑，心尖温情万事万物，唯有美食与爱不可辜负。本章节中梁实秋先生写出了与17种食物之间的故事与感情。从昂贵的佛跳墙到路边的烧饼油条。文字朴实无华均是描述哟。梁实秋先生说道：可见在什么地方吃什么，勉强不得。本章节的读书笔记有点少，其中仅有烧饼油条一文额外吸引我，因为我虽身在南方但却深爱着各类面食。油条又名油炸鬼。油炸鬼是油炸桧之讹，大家痛恨秦桧，所以名之为油炸桧以泄

Tracy的小书斋·2023-12-17 00:04

阅读笔记——《Hopper: Interpretative Fuzzing for Libraries》

【参考文献】ZhanQ,FangR,BinduR,etal.RemovingRLHFProtectionsinGPT-4viaFine-Tuning[J].arXivpreprintarXiv:2311.05553,2023.【注】本文仅为作者个人学习笔记，如有冒犯，请联系作者删除。目录摘要一、介绍二、背景1、库的模糊测试2、模糊测试解释器三、设计1、概述2、DSL和输入解释2.1、DSL2.2、

恣睢s·2023-12-16 19:23

阅读笔记——《UTOPIA: Automatic Generation of Fuzz Driverusing Unit Tests》

【参考文献】JeongB,JangJ,YiH,etal.UTOPIA:automaticgenerationoffuzzdriverusingunittests[C]//2023IEEESymposiumonSecurityandPrivacy(SP).IEEE,2023:2676-2692.【注】本文仅为作者个人学习笔记，如有冒犯，请联系作者删除。目录摘要一、介绍二、挑战和提出的方法1、合成有效

恣睢s·2023-12-16 19:44

《心理学与生活》阅读笔记11:人本主义

今天读《心理学与生活》第13章前半部分，写对我有启发的地方。之前说过，现在读心理学的书有点像看整个森林。武志红的心理学课当时记得有人本主义，罗杰斯，但也只是跟着他说的去走，但现在整体看心理学理论，当发现人本主义和罗杰斯的时候，有点小高兴，我好像之前了解过你，但不如这一次更认真。现在也明白了，武志红应该是人本主义为大方向，但也没有全部否定弗洛伊德，他的无意识之说，武志红提到过无意识之境，还提到过村上

来是春初·2023-12-16 18:31

2020-01-16记录生活16

在继续阅读笔记，书写阅读感受的过程中，看到自己要持续振作，以及阅读的举动。在生活中看到自己内心的感受，并想为之实行下去。今天在把在读的书籍名称加入书单，同时通过输入倒逼自己进行输出，生活就是一种积累。

婧进阅读·2023-12-16 16:24

【暑假名著阅读笔记二】曹燕读《我心光明》

禅心——读《我心光明》有感育才中学初一（15）班曹燕初读白落梅的文字时，才接触到了禅，那时对这个字的了解很懵懂。我只知道禅是佛教之人的修行。读了林清玄的《我心光明》后才领略得更深入：光明的内心是一种禅心，是一种清明、温暖、遍照如日光的生活态度。林清玄的文字与白落梅的似有相同，都有佛的意味，却大不相同，白落梅擅以景抒情，在万千景象中渗入自己细腻的情怀；林清玄擅以事例说明光明的内心，即是禅心。林清玄曾

简约语文·2023-12-16 14:14

最强开源大模型？Llama 2论文解读

标题简介模型预训练预训练设置硬件资源与碳排放模型评估模型微调有监督微调基于人工反馈的强化学习（RLHF）人类偏好数据的收集奖励模型迭代微调过程多轮对话控制RLHF结果模型回答的安全性一直以来，Llama

长白山下大绵羊·2023-12-16 13:52

文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于乐观行动-评判深度强化学习的含氢综合能源系统低碳经济调度》

这个标题涉及到基于乐观行动的深度强化学习在含氢综合能源系统低碳经济调度方面的评判。

电网论文源程序·2023-12-16 12:56

EnlightenGAN论文阅读笔记

EnlightenGAN论文阅读笔记论文是2019年IEEE的EnlightenGAN:DeepLightEnhancementwithoutPairedSupervision.这篇论文是低光增强领域无监督学习的开山之作

Alex·Fall·2023-12-16 10:13

2021-07-24

【感恩成功复盘日记第128天】2021-07-24【今日完成事项✌️】小来签到829天复盘129天今日阅读24语音打卡第110天完成3个学员的沟通答疑魔力足迹的练习完成每日阅读笔记完成阅读《非暴力沟通详解篇

静合悦美A·2023-12-16 06:26

Deep Supervised Dual Cycle Adversarial Network for Cross-Modal Retrieval 论文阅读笔记

#1.论文信息论文名称DeepSupervisedDualCycleAdversarialNetworkforCross-ModalRetrieval作者LeiLiao中山大学会议/出版社IEEETransactionsonCircuitsandSystemsforVideoTechnologypdf在线pdf代码无代码本文是基于公共空间的跨模态检索方法。文章中提出了DSDCAN的方法，由两个Cy

wwweiyx·2023-12-16 06:10

2019-04-11《文心》阅读笔记5

图片发自App《文心》第四章一封信阅读时间2019-04-116：30曾几何时，我们不再写信了。“烽火连三月，家书抵万金”。在通讯不发达的时代，书信是人类相互联系的一种很重要的方式，也成为人们抒发感情，教诲子女的重要载体。写者慎重，阅者渴盼。《曾国藩家书》、《傅雷家书》等更是被编成册，传之于世，后人读来，莫不受益。而今，沟通联系固然迅捷，可形同快餐，无可回味了。《文心》中两位学子字斟句酌，给小学老

平凡生命·2023-12-16 03:55

90天蜕变反思日记第13篇之2020目标设立检查点

为了实现2020年的三个目标，我将设立每周一检查，检查我的践行文章、阅读笔记是否完成，完成的质量怎么样。我的计划就是：每周复盘。采用如下复盘模

晓丽姐·2023-12-16 02:58

强化学习笔记12/12

学习工具：python+chatGPT强化学习的一些关键概念：智能体（Agent）：智能体是与环境交互的实体。它可以是一个虚拟的角色，例如视频游戏中的玩家，或者是一个物理机器人。

sinat_36651044·2023-12-16 01:54

AlphaGo Zero学习一

1）算法上是自对弈强化学习，完全从随机落子开始，不用人类棋谱，之前使用了大量棋谱学习人类的下棋风格作为开局的起始。2）数据结构上，只有黑子白子两种状态，之前包含这个点的

ericblue·2023-12-16 00:26

学习深度强化学习---第1部分----RL介绍、基本模型、Gym介绍

文章目录1.1节强化学习简介1.2节强化学习的模型1.3节Gym介绍视频所在地址：深度强化学习的理论与实践经典的强化学习有三种：1、基于动态规划的强化学习、2、基于蒙特卡洛算法的强化学习、3、基于时序差分的强化学习

饿了就干饭·2023-12-16 00:41

学习深度强化学习---第3部分----RL蒙特卡罗相关算法

文章目录3.1节蒙特卡罗法简介3.2节蒙特卡罗策略评估3.3节蒙特卡罗强化学习3.4节异策略蒙特卡罗法本部分视频所在地址：深度强化学习的理论与实践3.1节蒙特卡罗法简介在其他学科中的蒙特卡罗法是一种抽样的方法

饿了就干饭·2023-12-16 00:11

学习深度强化学习---第2部分----RL动态规划相关算法

文章目录2.1节动态规划简介2.2节值函数与贝尔曼方程2.3节策略评估2.4节策略改进2.5节最优值函数与最优策略2.6节值迭代与策略迭代2.7节动态规划求解最优策略本部分视频所在地址：深度强化学习的理论与实践

饿了就干饭·2023-12-16 00:06

《墨菲定律》读书笔记

海量阅读，去伪存真，找到适合自己的点，并以强化学习，终究会变成自己的知识，找到努力的方向。这本书相对来说，内容比较多，也比较杂，有讲成功学、职场行为学、生存竞争法则、人际关系学、经济学、决策学

Yukigogo·2023-12-15 23:37

《富爸爸穷爸爸》阅读笔记（一）：富人不为钱工作

这几天抽空将《富爸爸穷爸爸》这本书通读了一遍，感觉受益颇多，决定将读完这本书的感受同大家分享一下。犹豫笔者本身话痨体质，再加上每日精力有限，今天就先将第一部分的笔记整理了发布，希望对阅读此篇文章的你有帮助。《富爸爸穷爸爸》作者【美】罗伯特·清崎，我阅读的是2017年版——这本书发布20周年的修订版。作者罗伯特·清崎讲述了他的两个爸爸——一个受过良好教育，拥有过博士头衔的穷爸爸和一个连八年级都没能念

夏南归·2023-12-15 23:16

神秘的【Q项目】强化学习算法： Q学习：用于学习最佳行动策略。深度Q网络（DQN）：结合深度学习和强化学习*。

强化学习概述强化学习是一种机器学习方法，它使得智能体（agent）能够在环境中通过试错来学习如何达成目标。在强化学习中，智能体根据其观察到的环境状态，选择行动，然后接收环境给出的奖励或惩罚。

小黄人软件·2023-12-15 22:35

RL_第二章学习笔记

Part-one:TabularSolutionMethodsSecondchapter:多臂老虎机(Multi-armedBandits)强化学习与其他学习方式区分的最重要特

Mr Humor·2023-12-15 21:53

了解第二部分多武装匪徒的强化学习手

系列的链接：(Series’Links:)Introduction介绍Multi-ArmedBandits|Notebook多臂土匪|笔记本ThisisthesecondentryofaseriesonReinforcementLearning,whereweexploreanddeveloptheideasbehindlearningonaninteractivescenario.Onthepr

weixin_26738395·2023-12-15 21:51

AI学习笔记之——多臂老虎机(Multi-armed bandit)问题

上一篇文章简要介绍了一下强化学习，强化学习是一个非常庞大的体系，与监督学习和非监督学习相比，其广度和深度都大的多，涉及到很多经典的决策算法，对统计学知识有很高的依赖。

weixin_33962923·2023-12-15 21:21

强化学习笔记------第一章----强化学习概述（超详细）

强化学习讨论的问题是一个智能体（agent）怎么在一个复杂不确定的环境（environment）里面去极大化他能获得的奖励。首先，我们可以把强化学习和监督学习做一个对比。

深度睡眠小能手·2023-12-15 21:49

强化学习笔记5：learning&planning， exploration&exploitation

在强化学习中，环境初始时是未知的，agent不知道环境如何工作，agent通过不断地与环境交互，逐渐改进策略。

UQI-LIUWJ·2023-12-15 21:48

强化学习RL学习笔记2-概述（2）

强化学习笔记专栏传送上一篇：强化学习RL学习笔记1-概述（1）下一篇：强化学习RL学习笔记3-gym了解与coding实践目录强化学习笔记专栏传送前言MajorComponentsofanRLAgent

liaojq2020·2023-12-15 21:48

强化学习读书笔记

目录Chapter1Introduction强化学习定义监督/非监督/强化学习挑战关键特征组成Chapter2Multi-armedBandits评价型反馈和指导型反馈Ak-armedBanditProblemIncrementalImplementationChapter3FiniteMarkovDecisionProcessesAgent-EnvironmentReturnsandEpisod

一口大怪兽·2023-12-15 21:43

【强化学习-读书笔记】多臂赌博机 Multi-armed bandit

参考ReinforcementLearning,SecondEditionAnIntroductionByRichardS.SuttonandAndrewG.Barto强化学习与监督学习强化学习与其他机器学习方法最大的不同

x66ccff·2023-12-15 20:38

CMBAC算法总结

Sample-EfficientReinforcementLearningviaConservativeModel-BasedActor-Critic参考文章：【AAAI2022】一种样本高效的基于模型的保守actor-critic算法-知乎(zhihu.com)论文作者：MIRALab，王杰教授组基于模型的强化学习算法旨在学习环境模型

神奇的托尔巴拉德·2023-12-15 17:41

推荐频道

强化学习阅读笔记