一只野生彩色铅笔

腾讯云

开发者社区

文档建议反馈控制台

首页TVP

LV0

发表了文章 2023-04-272023-04-27 19:20:27

变分推断 Variational Inference

贝叶斯推断(Bayesian Inference) ，在贝叶斯推断中我们有观测数据

一只野生彩色铅笔 2023-04-272023-04-27 19:20:27

lambda、模型、事件、数据、优化

发表了文章 2023-04-272023-04-27 19:17:47

Hands on Reinforcement Learning Frontier Chapter

虽然强化学习不需要有监督学习中的标签数据，但它十分依赖奖励函数的设置。有时在奖励函数上做一些微小的改动，训练出来的策略就会有天差地别。在很多现实场景中，奖励函数...

一只野生彩色铅笔 2023-04-272023-04-27 19:17:47

强化学习、self、模型、数据、算法

发表了文章 2023-04-242023-04-24 09:51:12

Hands on Reinforcement Learning Advanced Chapter

在第 5 章讲解的 Q-learning 算法中，我们以矩阵的方式建立了一张存储每个状态下所有动作值的表格。表格中的每一个动作价值Q(s,a)Q(s,a)Q(s...

一只野生彩色铅笔 2023-04-242023-04-24 09:51:12

神经网络、强化学习、函数、算法、网络

发表了文章 2023-04-242023-04-24 09:48:49

Hands on Reinforcement Learning 15 Imitation Learning

一只野生彩色铅笔 2023-04-242023-04-24 09:48:49

强化学习、函数、模型、数据、网络

发表了文章 2023-04-122023-04-12 13:25:35

Hands on Reinforcement Learning 12 Proximal Policy Optimization

第 11 章介绍的 TRPO 算法在很多场景上的应用都很成功，但是我们也发现它的计算过程非常复杂，每一步更新的运算量非常大。于是，TRPO 算法的改进版——PP...

一只野生彩色铅笔 2023-04-122023-04-12 13:25:35

强化学习、数据、算法、网络、优化

发表了文章 2023-04-092023-04-09 10:25:19

Hands on Reinforcement Learning 11 Trust Region Policy Optimization

本书之前介绍的基于策略的方法包括策略梯度算法和 Actor-Critic 算法。这些方法虽然简单、直观，但在实际应用过程中会遇到训练不稳定的情况。回顾一下基于策...

一只野生彩色铅笔 2023-04-092023-04-09 10:25:19

函数、数据、算法、性能、优化

发表了文章 2023-04-092023-04-09 10:23:16

Hands on Reinforcement Learning 10 Actor-Critic Algorithm

本书之前的章节讲解了基于值函数的方法（DQN）和基于策略的方法（REINFORCE），其中基于值函数的方法只学习一个价值函数，而基于策略的方法只学习一个策略函数...

一只野生彩色铅笔 2023-04-092023-04-09 10:23:16

actor、algorithm、函数、算法、网络

发表了文章 2023-04-092023-04-09 10:16:00

Hands on Reinforcement Learning 09 Policy Gradient Algorithm

本书之前介绍的 Q-learning、DQN 及 DQN 改进算法都是基于价值（value-based）的方法，其中 Q-learning 是处理有限状态的算法...

一只野生彩色铅笔 2023-04-092023-04-09 10:16:00

强化学习、algorithm、gradient、函数、算法

发表了文章 2023-04-082023-04-08 10:56:20

Hands on Reinforcement Learning 08 Deep Q Network Advanced

DQN 算法敲开了深度强化学习的大门，但是作为先驱性的工作，其本身存在着一些问题以及一些可以改进的地方。于是，在 DQN 之后，学术界涌现出了非常多的改进算法。...

一只野生彩色铅笔 2023-04-082023-04-08 10:56:20

神经网络、强化学习、函数、算法、网络

发表了文章 2023-04-072023-04-07 20:44:41

Hands on Reinforcement Learning 07 Deep Q Network

在第 5 章讲解的 Q-learning 算法中，我们以矩阵的方式建立了一张存储每个状态下所有动作值的表格。表格中的每一个动作价值

一只野生彩色铅笔 2023-04-072023-04-07 20:44:41

神经网络、函数、数据、算法、网络

发表了文章 2023-04-072023-04-07 20:30:00

Hands on Reinforcement Learning Basic Chapter

亲爱的读者，欢迎来到强化学习的世界。初探强化学习，你是否充满了好奇和期待呢？我们想说，首先感谢你的选择，学习本书不仅能够帮助你理解强化学习的算法原理，提高代码实...

一只野生彩色铅笔 2023-04-072023-04-07 20:30:00

强化学习、函数、模型、数据、算法

发表了文章 2023-04-062023-04-06 13:18:45

Hands on Reinforcement Learning 05 Temporal Difference

第 4 章介绍的动态规划算法要求马尔可夫决策过程是已知的，即要求与智能体交互的环境是完全已知的（例如迷宫或者给定规则的网格世界）。在此条件下，智能体其实并不需要...

一只野生彩色铅笔 2023-04-062023-04-06 13:18:44

强化学习、difference、函数、数据、算法

发表了文章 2023-04-062023-04-06 09:44:40

Hands on Reinforcement Learning 04 Dynamic programming

动态规划（dynamic programming）是程序设计算法中非常重要的内容，能够高效解决一些经典问题，例如背包问题和最短路径规划。动态规划的基本思想是将待...

一只野生彩色铅笔 2023-04-062023-04-06 09:44:40

dynamic、动态规划、函数、算法、索引

发表了文章 2023-04-042023-04-04 10:49:03

Hands on Reinforcement Learning 03

马尔可夫决策过程（Markov decision process，MDP）是强化学习的重要概念。要学好强化学习，我们首先要掌握马尔可夫决策过程的基础知识。前两章...

一只野生彩色铅笔 2023-04-042023-04-04 10:49:03

强化学习、函数、基础、集合、算法

发表了文章 2023-04-042023-04-04 10:48:23

Hands on Reinforcement Learning 02

我们在第 1 章中了解到，强化学习关注智能体和环境交互过程中的学习，这是一种试错型学习（trial-and-error learning）范式。在正式学习强化学...

一只野生彩色铅笔 2023-04-042023-04-04 10:48:22

强化学习、函数、基础、框架、算法

发表了文章 2023-04-042023-04-04 10:47:42

Hands on Reinforcement Learning 01

一只野生彩色铅笔 2023-04-042023-04-04 10:47:41

强化学习、监督学习、模型、数据、优化

发表了文章 2022-10-312022-10-31 11:07:15

《算法竞赛进阶指南》0x27 A-star

在先前提到的优先队列BFS方法中，是每轮从堆中取出的 “当前代价最小” 的状态进行扩展，这样每个状态第一次从堆中取出时，就得到了从初始状态到该状态的最小代价

一只野生彩色铅笔 2022-10-312022-10-31 11:07:15

state、队列

发表了文章 2022-10-312022-10-31 11:07:01

《算法竞赛进阶指南》0x26 广度变形

在一般的广度优先搜索中，每次沿分支扩展“一步”，逐层搜索，已求解起始状态到每个状态的最小步数

一只野生彩色铅笔 2022-10-312022-10-31 11:07:01

发表了文章 2022-10-312022-10-31 11:06:36

《算法竞赛进阶指南》0x25 广度优先搜索

在广度优先搜索的过程中，我们不断从队头取出状态，对于该状态面临的所有分支，把沿着每条分支到达的下一个状态（如果未访问过或者能够被更新成更优的解）插入队尾

一只野生彩色铅笔 2022-10-312022-10-31 11:06:36

uml

发表了文章 2022-10-312022-10-31 11:06:17

《算法竞赛进阶指南》0x24 迭代加深

这种策略带有一定的缺陷：如果搜索树每个节点的分支数目非常多，且问题的答案在某个较浅的结点上，如果深搜在一开始选错了分支，就可能在不包含答案的深层次树上浪费许多时...

一只野生彩色铅笔 2022-10-312022-10-31 11:06:17

编程算法

12 3 下一页

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2022-06-25

个人成就

获得 164 次赞同
文章被阅读 47.2K 次

关注了：1关注者：14