深入浅出强化学习

【昕宝爸爸小模块】深入浅出之JDK21 中的虚拟线程到底是怎么回事（二）

上一篇博文：【昕宝爸爸小模块】深入浅出之JDK21中的虚拟线程到底是怎么回事（一）深入浅出之JDK21中的虚拟线程到底是怎么回事（二）一、✅线程的实现方式1.
昕宝爸爸·2024-01-16 21:15

常见机器学习算法总结

基本算法总结正面.jpeg图的左半部分列出了常用的机器学习算法与它们之间的演化关系，分为有监督学习，无监督学习，强化学习3大类。
婉妃·2024-01-16 20:39

强化学习AI构建实战 - 基于“黄金点”游戏（一）

简介强化学习(ReinforcementLearning)是机器学习的一种重要技术。本文首先简要介绍了强化学习的概念及思路，然后以Q-Learning算法为例介绍了如何进行训练。
人工智能MOS·2024-01-16 19:33

强化学习AI构建实战 - 基于“黄金点”游戏（二）

服务端接口为了让大家的AI可以顺利地进行游戏，并验证我们对策略和AI的一些实现，我们需要一些基础设施来帮助我们完成一些工作。这些工作包括游戏回合的控制、参与者之间的数据同步、游戏数据的储存等功能。为了简化这些基础工作，以便大家可以更好地集中于AI本身的设计和实现，我们搭建了一个服务器提供了一些基本的接口。使用这些接口，AI可以做到简单的调用RESTAPI接口实现游戏回合时间同步、获取历史数据、提交
人工智能MOS·2024-01-16 19:32

强化学习应用（二）：基于Q-learning的无人机物流路径规划研究（提供Python代码）

一、Q-learning简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个价值函数来指导智能体在环境中做出决策，以最大化累积奖励。
IT猿手·2024-01-16 16:01

强化学习应用（一）：基于Q-learning的无人机物流路径规划研究（提供Python代码）

一、Q-learning简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个价值函数来指导智能体在环境中做出决策，以最大化累积奖励。
IT猿手·2024-01-16 16:00

git学习 版本转换（第二天）

早上菜鸟写了深入浅出计算机组成原理，感觉照搬的果然还是没自己写有意思，所以下午菜鸟就来学习git了，自己打，感觉niceφ(゜▽゜*)♪话不多说，直接上文章目录git时光穿梭gitstatus(仓库当前状况
PBitW·2024-01-16 14:37

机器学习学习笔记（吴恩达）（第三课第一周）（无监督算法，K-means、异常检测）

欢迎聚类算法：无监督学习：聚类、异常检测推荐算法：强化学习：聚类（Clustering）聚类算法：查看大量数据点并自动找到彼此相关或相似的数据点。
kgbkqLjm·2024-01-16 10:30

强化学习RL实战 01：RoboCup Rescue simulator

1.officialdocumentsofficialReadme：https://github.com/roborescue/rcrs-server/blob/master/README.adocjavacodes:GitHub-roborescue/adf-sample-agent-java:AsampleteamusingRCRSAgentDevelopmentFrameworkpython
天狼啸月1990·2024-01-16 09:46

MATLAB Deep learning

regularizationandvalidationregularization正则化validation验证机器学习的类型有监督学习分类Classification回归Regression无监督学习聚类强化学习
JNU freshman·2024-01-16 09:37

深入浅出Pytorch宝典1.0

文章目录前言1.张量操作2.自动微分3.数据加载和处理4.模型构建和训练5.预训练模型和迁移学习6.调试和性能7.高级特性总结torch中主要的数据对象主要特点和功能张量的创建数据处理和转换1.`torch.tensor()`创建一个新的张量（Tensor）2.`torch.zeros()`创建一个填充有零的张量（Tensor）用法示例可选参数3.`torch.ones()`创建一个填充有1的张量
knighthood2001·2024-01-16 08:22

Pytorch函数——torch.gather详解

在学习强化学习时，顺便复习复习pytorch的基本内容，遇到了torch.gather()函数，参考图解PyTorch中的torch.gather函数-知乎(zhihu.com)进行解释。
beiketaoerge·2024-01-16 08:49

多臂老虎机 “Multi-armed Bandits”

将强化学习与机器学习、深度学习区分开的最重要的特征为：它通过训练中信息来评估所采取的动作，而不是给出正确的动作进行指导，这极大地促进了寻找更优动作的需求。
EasonZzzzzzz·2024-01-16 07:48

ClickHouse深入浅出之(三) 完结篇 (引擎)

一、表引擎表引擎在ClickHouse中的作用十分关键，直接决定了数据如何存储和读取、是否支持并发读写、是否支持index、支持的query种类、是否支持主备复制等。如果你需要创建分区表，简单的TinyLog没有，Memory也没有!1.1、表引擎概述ClickHouse提供了大约28种表引擎，各有各的用途，比如有Log系列用来做小表数据分析，MergeTree系列用来做大数据量分析，而Integ
857技术社区·2024-01-16 05:15

机器学习算法 - 马尔可夫链

马尔可夫链（MarkovChain）可以说是机器学习和人工智能的基石，在强化学习、自然语言处理、金融领域、天气预测、语音识别方面都有着极其广泛的应用>Thefutureisindependentofthepastgiventhepresent
想做后端的前端·2024-01-16 03:26

深入浅出关于go web的请求路由

文章目录前言一、是否一定要用框架来使用路由？二、httprouter2.1httprouter介绍2.2httprouter原理2.3路由冲突情况三、gin中的路由总结前言最近重新接触Go语言以及对应框架，想借此机会深入下对应部分。并分享一下最近学的过程很喜欢的一句话：Thelimitsofmylanguagemeanthelimitsofmyworld.byLudwigWittgenstein我
幸平xp·2024-01-16 02:06

继承之构造继承

直接解释构造继承可能有些晦涩难懂，所以我尽量用一个通俗易懂的例子，深入浅出的解决这个问题。
一口十个小甜虾·2024-01-16 02:53

【程序员的自我修养10】动态库的兼容问题——GLIBC_2.34‘ not found

编译原理相关知识本身就比较有难度，我会尽自己最大的努力，争取深入浅出。若你希望与一群志同道合的朋友一起学习，也希望加入到我们的学习群中。文末有加入方式。
谢艺华·2024-01-15 23:49

【程序员的自我修养09】动态链接过程的场景补充及其思考

编译原理相关知识本身就比较有难度，我会尽自己最大的努力，争取深入浅出。若你希望与一群志同道合的朋友一起学习，也希望加入到我们的学习群中。文末有加入方式。介绍通过上一篇【程序员的自我修养08】精华！！！
谢艺华·2024-01-15 23:48

【程序员的自我修养08】精华！！！动态库的由来及其实现原理

编译原理相关知识本身就比较有难度，我会尽自己最大的努力，争取深入浅出。若你希望与一群志同道合的朋友一起学习，也希望加入到我们的学习群中。文末有加入方式。
谢艺华·2024-01-15 23:18

预训练技术在美团到店搜索广告中的应用

2、从零开始搭建创业公司后台技术栈3、2021年10月份热门报告免费下载4、微博推荐算法实践与机器学习平台演进5、腾讯PCG推荐系统应用实践6、强化学习算法在京东广告序列推荐场景的应用7、飞猪信息流内容推荐探索
智能推荐系统·2024-01-15 23:57

告家长书

这份叶老师写的《告家长书》写的非常好，语言真诚恭敬，深入浅出，让人读来很是感动。我们都有孩子，我们的孩子也会拥有孩子，而如何教育孩子，是我们每个父母最关心的话题，也是我们人生最重要的课题。
微风_96f1·2024-01-15 22:57

多示例学习 (multi-instance learning, MIL) 学习路线 (归类、重点文章列举、持续更新)

文章目录0要点0要点说明：本文在于能够让大家能够更加快速地了解MIL这个领域，因此将从以下几个方面重点介绍MIL：MIL背景介绍；理论MIL概述：注意力网络；对比学习；介入学习；强化学习；GAN；应用MIL
因吉·2024-01-15 22:15

书评《遇见未知的自己》

作者张德芬从一个电视新闻主播到一个心灵修行者，融会贯通了理论与实际，用深入浅出的故事，表达了人需要打破身体、情绪、思想、身份认同，从而实现自己的心想事成。
Amy_思维导图爱好者·2024-01-15 21:58

强化学习应用（七）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-15 19:14

强化学习应用（六）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-15 19:44

强化学习应用（五）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-15 19:13

强化学习应用（八）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-15 19:41

SpringBoot3.0从入门到项目实战：解决Web应用痛点的最新解决方案

本文将深入浅出地介绍SpringBoot3.0的新特性，同时结合实际项目经验，分享Web应用的痛点以及解决方案，帮助读者更好地了解SpringBoot3.0，达到快速入门和实际应用的目的。一
滴石编程·2024-01-15 18:10

元式催眠——成就一个更自信更智慧更有能量的自己

虽然我是零基础的学生，在这之前不了解催眠和心理学知识，但李老师深入浅出、幽默风趣的讲解，生动形象的比喻让我明白了很多常见病症的原理，如焦虑、抑郁、失眠、厌学等。因为我本身是一个焦虑症患者，
宥丞讲催眠·2024-01-15 17:18

第十一篇 前沿趋势与展望：深入探索GraphQL、RESTful API、WebSocket、SSE及QUIC与HTTP/3

深入浅出HTTP请求前后端交互系列专题第一章引言-HTTP协议基础概念和前后端分离架构请求交互概述第二章HTTP请求方法、状态码详解与缓存机制解析第三章前端发起HTTP请求第四章前后端数据交换格式详解第五章跨域资源共享
球球不吃虾·2024-01-15 15:47

职场新人转型分享会

根据近期项目状况，我代表公司分别邀请邹强、段庆阳、朱慧灵三位大佬对不满三年的小伙伴做了一次关于职场新人转型的分享，现场氛围积极踊跃，大致情况如下：分享人：邹强现场感受：围绕职场新人转型这个主题，大佬结合自身经历，深入浅出地和我们分享了他曾经踩过的坑
手心de温暖·2024-01-15 15:57

【大数据】深入浅出 Apache Flink：架构、案例和优势

深入浅出ApacheFlink：架构、案例和优势1.现代大数据架构1.1什么是批处理？1.2什么是流处理？
G皮T·2024-01-15 15:11

深入浅出Java中的多线程编程

进程与线程进程正在进行中的程序线程就是进程中一个负责程序执行的控制单元（执行路径）一个进程中可以多执行路径，称为多线程一个进程中至少要有一个线程多线程存在的意义创建多线程的目的是为了开启一条执行路径，去运行指定的代码和其他代码实现同时运行而运行的指定代码就是这个执行路径的任务线程的创建的两种方式一.定义一个类继承Thread类覆盖Thread类中的run方法直接创建Thread的子类对象创建线程调
Shiloh_74c3·2024-01-15 12:08

mysql数据库管理维护_深入浅出MySQL 数据库开发 优化与管理维护 第3版

资料目录：第一部分基础篇第1章MySQL的安装与配置21.1MySQL的下载21.1.1在Windows平台下下载MySQL31.1.2在Linux平台下下载MySQL31.2MySQL的安装51.2.1在Windows平台下安装MySQL51.2.2在Linux平台下安装MySQL81.3MySQL的配置121.3.1Windows平台下配置MySQL121.3.2Linux平台下配置MySQL
双色球class·2024-01-15 09:52

斗鸡博弈引发的思考

老路商学课讲了斗鸡博弈，讲的深入浅出很吸引人。当然我的关注点在第二个小方法中。适用于亲密关系，当俩人有矛盾的时候，那一定要有一方妥协，另一个就要安抚另一方，才好更好的相处。
宇辰M·2024-01-15 07:09

深入浅出边缘云 | 1. 概述

随着技术的发展以及应用对时延、带宽、安全的追求，一个明显的技术趋势是越来越多的应用组件将会被部署到企业所管理的网络边缘。本系列是开源电子书EdgeCloudOperations:ASystemsApproach的中文版，详细介绍了基于开源组件构建的边缘云的架构、功能及具体实现。序在过去一段时间，我们将应用程序迁移到云上，如今又开始将它们拆散，接下来我会解释这是什么意思。随着市场的增长，人们赖以建立
DeepNoMind·2024-01-15 05:39

八个例子讲解现代前端框架前置知识（讲义）

这是《JS深入浅出》（收费课程）第七课的讲义，主要讲「为什么会有双向绑定和单向绑定」，也就是历史和前端的心路历程。JS深入浅出-写代码啦！
十字路口的牛·2024-01-15 05:33

《如何学习》解读版

关于本书本书深入浅出地解释了学习时，大脑的工作机制，包括记忆是如何形
七色黑白·2024-01-15 05:47

马尔科夫决策过程（Markov Decision Process）揭秘

RL基本框架、MDP概念MDP是强化学习的基础。MDP能建模一系列真实世界的问题，它在形式上描述了强化学习的框架。RL的交互过程就是通过MDP表示的。
アナリスト·2024-01-15 05:38

Kubernetes网络机制深入浅出-Linux数据包处理机制（上）

计算机之间需要网络连接才能进行相互通信，这句话对容器实例依然成立，因此网卡分为物理网卡和虚拟网卡。虽然说这两种类型的网卡都提供网络连接的能力，但是虚拟网卡并不直接等同于物理网卡，读者可以把虚拟网卡看成宿主机或者hypervisor（虚拟机监视器）提供的一种类型的虚拟设备，为虚拟机提供网络连接的能力。网卡（networkinterfaces）在通信通信之前需要初始化，比如配置IP地址等，一张网卡可以
攀师傅·2024-01-15 05:33

17.蒙特卡洛强化学习之批量式策略评估

文章目录1.是什么2.为什么直接估计Q而不是V2.根据多条完整轨迹计算Q(s,a)3.初访法和每访法哪个更好？1.是什么智能体利用完整轨迹数据估计出Qπ(s,a)Q_\pi(s,a)Qπ(s,a)的过程2.为什么直接估计Q而不是V因为策略评估的目的在于改进现有策略π(a∣s)\pi(a|s)π(a∣s)，而改进策略就涉及到选取最优行为a，Q(s,a)a，Q(s,a)a，Q(s,a)刚好能衡量状态s
中年阿甘·2024-01-15 04:26

ReadMe

这个文集是关于《深入浅出强化学习原理入门》郭宪方勇纯一书的个人笔记。如有错误，欢迎讨论，恳请指正，谢谢！
食蓼少年·2024-01-15 03:39

NLP论文阅读记录 - 2021 | WOS 使用深度强化学习及其他技术进行自动文本摘要

文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作2.1.Seq2seq模型2.2.强化学习和序列生成2.3.自动文本摘要三.本文方法四实验效果
yuyuyu_xxx·2024-01-15 02:57

【深入浅出版】Java全套学习路线规划及配套视频和笔记

简介：大家好，我是枫哥，一线互联网的IT民工、资深面试官、Java跳蚤网课堂创始人。拥有多年一线研发经验，曾就职过科大讯飞、美团网、平安等公司。在上海有自己小伙伴组建的副业团队，目前业余时间专注Java技术分享，春招/秋招/社招/跳槽，一对一学习辅助，项目接活开发。扫码左侧二维码，加入群聊，一起学习，一起进步！欢迎关注收藏留言：文末送福利目录前言：如果想要入坑，请看完下面这段话！零、计划的使用与优
IT枫斗者·2024-01-15 00:12

2019-06-10

1、区块链新闻印度拟法案：购买持有比特币等数字货币可判10年监禁【IT之家】2、谷歌造了个虚拟足球场，让AI像打FIFA一样做强化学习训练【量子位】3、亚马逊创建详细3D郊区地图训练递送机器人【腾讯】亚马逊在印度
平头哥镇四方·2024-01-14 23:44

[强化学习总结6] actor-critic算法

actor：策略critic：评估价值Actor-Critic是囊括一系列算法的整体架构，目前很多高效的前沿算法都属于Actor-Critic算法，本章接下来将会介绍一种最简单的Actor-Critic算法。需要明确的是，Actor-Critic算法本质上是基于策略的算法，因为这一系列算法的目标都是优化一个带参数的策略，只是会额外学习价值函数，从而帮助策略函数更好地学习。1核心在REINFORCE
风可。·2024-01-14 22:04

强化学习DRL--策略学习（Actor-Critic）

策略学习的意思是通过求解一个优化问题，学出最优策略函数π(a∣s)\pi(a|s)π(a∣s)或它的近似函数（比如策略网络）。一、策略网络在Atari游戏、围棋等应用中，状态是张量（比如图片），那么应该如图7.1所示用卷积网络处理输入。在机器人控制等应用中，状态s是向量，它的元素是多个传感器的数值，那么应该把卷积网络换成全连接网络。二、策略学习的目标函数状态价值既依赖于当前状态st，也依赖于策略网
还有你Y·2024-01-14 22:03

【强化学习】Actor-Critic

目录Actor-Critic算法概述可选形式算法流程小结强化学习笔记，内容来自刘建平老师的博客Actor-Critic算法概述Actor-Critic包括两部分：演员(Actor)、评价者(Critic
最忆是江南.·2024-01-14 22:02

强化学习- Actor-Critic 算法

提出理由：：REINFORCE算法是蒙特卡洛策略梯度，整个回合结束计算总奖励G，方差大，学习效率低。G随机变量，给同样的状态s，给同样的动作a，G可能有一个固定的分布，但是采取采样的方式，本身就有随机性。解决方案：单步更新TD。直接估测G这个随机变量的期望值，拿期望值代替采样的值基于价值的(value-based)的方法Q-learning。Actor-Critic算法，结合策略梯度+时序差分的方
下一个拐角%·2024-01-14 22:02
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他