强化学习（第二版）

深度 Qlearning：在直播推荐系统中的应用

AGI通用人工智能之禅·2024-09-16 02:27

OpenAI o1 的价值意义及“强化学习的Scaling Law” & Kimi创始人杨植麟最新分享：关于OpenAI o1新范式的深度思考

OpenAIo1的价值意义及“强化学习的ScalingLaw”蹭下热度谈谈OpenAIo1的价值意义及RL的Scalinglaw。

光剑书架上的书·2024-09-15 13:21

探索未来，大规模分布式深度强化学习——深入解析IMPALA架构

探索未来，大规模分布式深度强化学习——深入解析IMPALA架构scalable_agent项目地址:https://gitcode.com/gh_mirrors/sc/scalable_agent在当今的人工智能研究前沿

汤萌妮Margaret·2024-09-15 12:30

如何有效的学习AI大模型？

理论学习：机器学习基础：了解监督学习、非监督学习、强化学习等基本概念。深度学习：学习神经网络的基本结构，如卷

Python程序员罗宾·2024-09-14 15:37

《剑指offer第二版》面试题7：重建二叉树（java）

题目描述输入某二叉树的前序遍历和中序遍历的结果，请重建该二叉树。假设输入的前序遍历和中序遍历的结果都不包含重复数字。例如，输入前序遍历序列{1,2,4,7,3,5,6,8}和中序遍历序列{4,7,2,1,5,3,8,6}，则重建的二叉树为：1/\23//\456\/78解题思路:以前序遍历序列A:{1,2,4,7,3,5,6,8}和中序遍历序列B:{4,7,2,1,5,3,8,6}为例。前序遍历的

castlet·2024-09-14 10:44

反思的魔力：用语言的力量强化AI智能体

然而，传统的强化学习方法如同一位严苛的训练师，需要大

步子哥·2024-09-14 08:52

机器学习实战笔记5——线性判别分析

任务安排1、机器学习导论8、核方法2、KNN及其实现9、稀疏表示3、K-means聚类10、高斯混合模型4、主成分分析11、嵌入学习5、线性判别分析12、强化学习6、贝叶斯方法13、PageRank7、

绍少阿·2024-09-12 20:32

大模型的实践应用29-大语言模型的RLHF(人类反馈强化学习)的具体应用与原理介绍

大家好，我是微学AI，今天给大家介绍一下大模型的实践应用29-大语言模型的RLHF(人类反馈强化学习)的具体应用与原理介绍。

微学AI·2024-09-11 19:47

力扣刷题记录（一）剑指Offer（第二版）

1、本栏用来记录社招找工作过程中的内容，包括基础知识学习以及面试问题的记录等，以便于后续个人回顾学习；暂时只有2023年3月份，第一次社招找工作的过程；2、个人经历：研究生期间课题是SLAM在无人机上的应用，有接触SLAM、Linux、ROS、C/C++、DJIOSDK等；3、参加工作后（2021-2023年）岗位是嵌入式软件开发，主要是服务器开发，Linux、C/C++、网络编程、docker容

乘凉~·2024-09-11 12:51

坚定理想信念，锤炼党性修养

坚定理想信念，就要强化学习精神、自律精神、担当精神。思想理论上的坚定清醒是政治上坚定的前提，党员干部要始终把理论学习作为政治责任、事业需要和精神追求，积极参加组织

知涵知·2024-09-10 23:15

python 物理引擎_在 Gym 上构建会动的人工智障1（python）

Gym是用于开发和比较强化学习算法的python包，但是我们也完全可以使用它来作为我们自己程序的应用背景，并提供可视化。

weixin_39542608·2024-09-09 19:30

强化学习（二）----- 马尔可夫决策过程MDP

1.马尔可夫模型的几类子模型大家应该还记得马尔科夫链(MarkovChain)，了解机器学习的也都知道隐马尔可夫模型(HiddenMarkovModel，HMM)。它们具有的一个共同性质就是马尔可夫性(无后效性)，也就是指系统的下个状态只与当前状态信息有关，而与更早之前的状态无关。马尔可夫决策过程(MarkovDecisionProcess,MDP)也具有马尔可夫性，与上面不同的是MDP考虑了动作

Duckie-duckie·2024-09-09 06:37

Python强化学习，基于gym的马尔可夫决策过程MDP，动态规划求解，体现序贯决策

强化学习过程中最典型的例子就是非线性二级摆系统，有4个关键值，小车受力，受力方向，摆速度，摆角，每个状态下都需要决策车的

baozouxiaoxian·2024-09-09 06:32

强化学习分类

Model-free:Qlearning,Sarsa,PolicyGradientsModel-based:能通过想象来预判断接下来将要发生的所有情况.然后选择这些想象情况中最好的那种基于概率：PolicyGradients基于价值：Qlearning,Sarsa两者融合：Actor-Critic回合更新：Monte-carlolearning，基础版的policygradients单步更新：Ql

0penuel0·2024-09-08 16:29

编写Dockerfile第二版

目标更快的构建速度更小的Docker镜像大小更少的Docker镜像层充分利用镜像缓存增加Dockerfile可读性让Docker容器使用起来更简单总结编写.dockerignore文件容器只运行单个应用将多个RUN指令合并为一个基础镜像的标签不要用latest每个RUN指令后删除多余文件选择合适的基础镜像(alpine版本最好)设置WORKDIR和CMD使用ENTRYPOINT(可选)在entry

道不贱卖，法不轻传·2024-09-08 15:23

深度强化学习：智能体的学习与决策

引言深度强化学习结合了强化学习与深度学习的优势，通过智能体与环境的交互，使得智能体能够学习最优的决策策略。深度强化学习在自动驾驶、游戏AI、机器人控制等领域表现出色，推动了人工智能的快速发展。

Network_Engineer·2024-09-08 12:58

ARM64的函数调用标准和栈布局

欢迎订阅奔跑吧linux社区微信公众号本文节选自《奔跑吧Linux内核》第二版卷1第1.6章函数调用标准（ProcedureCallStandard，PCS）用来描述父/子函数是如何编译、链接的，特别是父函数和子函数之间调用关系的约定

奔跑吧Linux社区·2024-09-08 00:39

深度强化学习之DQN-深度学习与强化学习的成功结合

目录概念深度学习与强化学习结合的问题DQN解决结合出现问题的办法DQN算法流程总结一、概念原因：在普通的Q-Learning中，当状态和动作空间是离散且维数不高的时候可以使用Q-Table来存储每个状态动作对应的

CristianoC·2024-09-07 14:39

一对一包教会脑电教学服务

想强化学习脑电某个内容版块可以吗？...”，也有小伙伴联系我们，咨询脑电相关内容能

茗创科技·2024-09-06 17:54

基于时序差分的无模型强化学习：Q-learning 算法详解

目录一、无模型强化学习中的时序差分方法与Q-learning1.1时序差分法1.2Q-learning算法状态-动作值函数（Q函数）Q-learning的更新公式Q-learning算法流程Q-learning

晓shuo·2024-09-06 07:30

（18-1）基于深度强化学习的股票交易模型：项目介绍+准备环境

在本章的这个项目中，实现了一个用于股票交易的DRL模型，旨在展示DRL在金融领域的潜力，提供其在股票交易中应用的实际例子。希望通过本章内容的学习，能够为那些对金融与机器学习交叉领域感兴趣的人士提供有益的参考。1.1项目介绍在金融市场中，股票交易是一项充满挑战的任务，需要在高度波动和复杂的市场环境中做出快速且精准的决策。传统的交易策略通常依赖于经验、基本面分析或技术分析。然而，这些方法往往无法在快速

码农三叔·2024-09-05 11:52

深度学习算法——Transformer

尽管Transformer最初是应用于在文本数据上的序列到序列学习，但现在已经推广到各种现代的深度学习中，例如语言、视觉、语音和强化学习领域。

fw菜菜·2024-09-04 18:31

sumo carla 自动驾驶联合仿真安装配置教程开发驾驶模拟强化学习

sumocarla自动驾驶联合仿真安装配置教程开发驾驶模拟强化学习轨迹预测轨迹规划标题：基于SUMO和CARLA的自动驾驶联合仿真系统安装与配置：教程与开发探索摘要：随着自动驾驶技术的迅猛发展，仿真环境在自动驾驶系统的评估

jZhUeZPQZw·2024-09-04 09:33

手写Promise.all() 方法(前端面试真题）

文章目录promise简介第一版第二版小结promise简介Promise是JavaScript在ES6中引入的一种用于异步计算的对象。它代表了一个可能现在还没有结果，但将来某个时刻会有结果的值。

DT——·2024-09-04 07:45

Python知识点：如何使用Python实现强化学习机器人

实现一个强化学习机器人涉及多个步骤，包括定义环境、状态和动作，选择适当的强化学习算法，并训练模型。

杰哥在此·2024-09-04 03:21

机器学习在医学中的应用

机器学习的基本概念：简要介绍机器学习的基本原理、分类（监督学习、非监督学习、强化学习等）和常用算法（如神经网络、支持向量机、随

听忆.·2024-09-03 18:25

快速写一个自己的flutter应用（新手入门）

1.3搭建Flutter开发环境|《Flutter实战·第二版》(flutterchina.club)开发Android应用|Flutter中文文档-Flutter中文开发者网站-Flutter我的安装过程

大嘴史努比·2024-09-03 10:34

人工智能&机器学习&深度学习

强化学习：不仅能利用现有数据，还可以通过对环境的探索获得新数据，并利用新数据循环往复地更新迭代现有模型的机器学习算法。学习是为了更好地对环境进行探索，而探索是为了获取数据进行更好的学习。

AA杂货铺111·2024-09-03 06:26

学习日志6

关于量子强化学习：论文Variational_Quantum_Circuits_for_Deep_Reinforcement_Learning：变分量子电路在深度强化学习中的应用论文主要内容：将经典深度强化学习算法

Simon#0209·2024-09-02 22:21

关于光源的明场和暗场照明

[1]《机器视觉算法与应用》第二版[2]《默然光源选型手册》

InvokeLife·2024-09-02 22:47

【科技前沿】用深度强化学习优化电网，让电力调度更聪明！

Hey小伙伴们，今天我要跟大家分享一个超级酷炫的技术应用——深度强化学习在电网优化中的典型案例！如果你对机器学习感兴趣，或是正寻找如何用AI技术解决实际问题的方法，这篇分享绝对不容错过！‍

风清扬雨·2024-09-01 19:05

《第一行代码Android》kotlin总结之基础知识

我阅读的《第一行代码Android》是第三版，与第二版最大的区别是用kotlin来讲解的android知识，特别适合我这种kotlin0基础的人。

我是李校长·2024-09-01 18:02

大模型对齐方法笔记一：DPO及其变种IPO、KTO、CPO

DPO的主要思想是在强化学习的目标函数中建立决策函数与奖励函数之间的关系，以规避

chencjiajy·2024-09-01 15:36

多智能体环境设计（二）

agent)方法3.4render()方法空间定义4.1观察空间4.2动作空间高级特性5.1并行环境5.2智能体通信5.3动态环境性能优化测试和调试实际应用示例最佳实践和常见陷阱1.引言多智能体环境是强化学习和人工智能研究中的一个重要领

AI-星辰·2024-09-01 11:43

【伤寒强化学习训练】打卡第四十五天一期90天

3.5.2麻黄汤续讲与大、小青龙汤麻黄九禁【7.18】脉浮紧者，法当汗出而解。若身重心悸者，不可发汗，须自汗出乃愈。所以然者，尺中脉微，此里虚也。须里实，津液自和，便自汗出愈。【7.19】脉浮紧者，法当身疼痛，宜以汗解之。假令尺中迟者，不可发汗。所以然者，以荣气不足，血弱故也。【7.18】：脉浮紧的人照理说要发汗，如果身体重、心悸是不可以发汗；发汗，不一定用麻黄汤，大青龙汤也可以感冒很多人身体都是

A卐炏澬焚·2024-09-01 09:21

从自动驾驶看无人驾驶叉车的技术落地和应用

摘要｜介绍无人驾驶叉车在自动驾驶技术中的应用，分析其关键技术，如环境感知、定位、路径规划等，并讨论机器学习算法和强化学习算法的应用以提高无人叉车的运行效率和准确性。

电气_空空·2024-08-31 20:44

强化学习自定义环境基础知识

本指南适合初学者深入了解强化学习环境的构建原理和实践方法。2.OpenAIGym环境基础OpenAIGym提供了一个标准化的接口，用于创建和使用强化学习环境。

AI-星辰·2024-08-31 14:30

【《伤寒论》强化学习训练】打卡第32天，一期目标90天

一、桂枝加葛根汤和葛根汤不能通用，因为葛根汤里有麻黄，会散阳气。太阳传到阳明时血分受邪，要用麻黄从血分把邪气发出来，所以用葛根汤治燥热感冒。桂枝汤治营卫不调的出汗或桂枝加附子汤治阳虚自汗，不能一开始就用黄芪，黄芪会让桂枝汤发挥不了通营卫的效果，汗止不了。人体表面的能量不足的时候，身体不能收摄自己身体的水分，桂枝加附子汤里有附子，可治阳虚自汗。玉屏风散治表虚的汗有效；桂枝加附子汤治虚汗有效，但是两个

最闪亮的那颗星_b02d·2024-08-29 22:43

深度学习：探索人工智能的无限可能

木小梦(๑• . •๑)·2024-08-29 12:29

《剑指offer第二版》面试题49：丑数（Ugly Number）（java）

题目描述题目描述：我们把只包含2，3，5的数称为丑数（uglynumber），求从小到大的顺序的第1500个丑数。例如6，8是丑数，但14不是，因为它包含因子7。习惯上我们把1称为第一个丑数。解题思路根据丑数的定义，丑数应该是丑数乘以2、3或者5的结果。可以创建一个数组A，数组里的数字是排好序的丑数。假设数组里最大的丑数是M，则接下的一个丑数则是之前的某个丑数乘以2、3或者5的结果。记录三个下标，

castlet·2024-08-29 06:29

强化学习在自动驾驶系统中的应用

强化学习在自动驾驶系统中的应用目录一、引言二、强化学习的定义三、强化学习的常用属性四、强化学习在自动驾驶系统中的应用案例五、总结一、引言自动驾驶技术是近年来人工智能领域的一个重要研究方向，旨在使汽车能够自主地感知环境

N201871643·2024-08-28 18:54

基于强化学习的制造调度智能优化决策

松间沙路hba·2024-08-28 14:27

【机器学习】初学者经典案例（随记）

强化学习：通过与环境的交互学习策略，以最大化累积奖励（如AlphaGo）。

听忆.·2024-08-28 11:09

2021.1.5伤寒论强化学习打卡第五天《麻附辛、麻附甘、朱鸟汤》总结：

一、麻附辛主治少阴伤寒，身发热，四肢冷，指甲青，腹痛脉沉。1、感冒什么症状都没有，尿不出来，可以用麻附辛；2、麻附辛通鼻涕、通尿，通“九窍”，男人“不射精症”可以用麻黄、附子两味药去调自律神经，女人“经闭”也可以用麻附辛；3、坐骨神经痛用麻附辛合芍药甘草汤；4、低血压、嗜睡症、肾绞痛用麻附辛5、细辛有钻痛跟驱寒的机能；6、调体质，皮肤晦暗，人比较钝，走路不平衡，皮肤粗糙麻木用麻附辛通窍；7、忽然瞎

黄炬华·2024-08-28 06:36

深度学习学习经验——强化学习（rl）

强化学习强化学习（ReinforcementLearning,RL）是一种机器学习方法，主要用于让智能体（agent）通过与环境的互动，逐步学习如何在不同情况下采取最佳行动，以最大化其获得的累积回报。

Linductor·2024-08-27 06:32

大模型19：微调大模型方法

有监督微调（SFT）、奖励模型（RM）训练，以及基于人类反馈的强化学习（RLHF）训练1.有监督微调（SFT-SupervisedFine-Tuning）数据处理数据收集：首先，需要收集大量的对话数据。

bluewelkin·2024-08-27 01:38

我的程序员读书路

CLRviaC#(第三版)你必须知道的.NET(第二版)编码:隐匿在计算机软硬件背后的语言代码整洁之道重构:改善既有代码的设计数据结构与算法：C#语言描述程序员修炼之道:从小工到专家编程珠玑(第2版)深入理解计算机系统

weixin_30416497·2024-08-26 12:02

马尔可夫决策过程（Markov decision process，MDP）

文章目录马尔可夫决策过程(MDP)在机器学习中应用在机器学习中的引用示例引用：实例场景：机器人导航MDP的定义：引用示例：在此基础上更具体的描述，并给出每一步的推断计算过程场景描述：3x3网格中的机器人导航MDP的定义强化学习算法

太阳城S·2024-08-26 08:36

【《伤寒论》强化学习训练】打卡第10天，一期目标90天

【当归四逆汤】当归三两，桂枝三两，芍药三两，细辛三两，炙甘草二两，木通三两，红枣25枚（劈），上七味，以水八升，煮取三升，去渣，温服一升，日三服。作用：手足厥寒，脉细欲绝，或腹痛或头痛或腰痛，腿痛。现代应用：1，雷诺氏病；2，血栓闭塞型脉管炎；3，冻疮；4，红斑性肢痛；5，大动脉炎（无脉症）；6，基底动脉供血不足；7，血管神经性头痛；8，慢性荨麻疹；9，坐骨神经痛；10，缩阴症；11，子宫脱垂，子

最闪亮的那颗星_b02d·2024-08-26 07:47

【机器学习】机器学习与大模型在人工智能领域的融合应用与性能优化新探索

文章目录引言机器学习与大模型的基本概念机器学习概述监督学习无监督学习强化学习大模型概述GPT-3BERTResNetTransformer机器学习与大模型的融合应用自然语言处理文本生成文本分类机器翻译图像识别自动驾驶医学影像分析语音识别智能助手语音转文字大模型性能优化的新探索模型压缩权重剪枝量化知识蒸馏分布式训练数据并行模型并行异步训练高效推理模型裁剪缓存机制专用硬件未来展望跨领域应用智能化系统人

E绵绵·2024-08-26 06:25

推荐频道