云端FFF的博客_数学 ============,概率论与数理统计,随机过程

RL 实践（3）—— 悬崖漫步【QLearning & Sarsa & 各种变体】

介绍 Sarsa、Expected Sarsa、N-Step Sarsa、N-Step Tree Backup、Q-Learning、Double Q-Learni

Sarsa

QLearning

悬崖漫步

强化学习

gym

原创 2022-12-24 16:56:59 892 阅读

论文理解【Offline RL】——【DT】Decision Transformer: Reinforcement Learning via Sequence Modeling

标题：Decision Transformer: Reinforcement Learning via Sequence Modelingmer Based / Hindsight 监督思想

transformer

Offline RL

离线强化学习

DT

建模

原创 2022-12-24 08:02:13 598 阅读

论文理解【Offline RL】——【RvS】What is Essential for Offline RL via Supervised Learning?

RvS: What is Essential for Offline RL via Supervised Learning?；ICLR 2022；离线

离线强化学习

Offline RL

RvS

监督学习

sed

原创 2022-12-18 00:11:04 194 阅读

论文理解【Offline RL】——【BCQ】Off-Policy Deep Reinforcement Learning without Exploration

Off-Policy Deep Reinforcement Learning without Exploration；ICML 2019；离线强

离线强化学习

Offline RL

BCQ

数据集

数据

原创 2022-12-10 07:09:57 632 阅读

从模型容量的视角看监督学习

从模型容量的视角分析监督学习的本质；重新理解正则化、归纳偏置等概念，并从中得到启发

监督学习

模型选择

模型容量

正则化

归纳偏置

原创 2022-12-05 00:17:20 192 阅读

快速串联 RNN / LSTM / Attention / transformer / BERT / GPT（未完待续）

transformer

RNN

LSTM

Attention

BERT

原创 2022-12-05 00:17:11 655 阅读

TM4C123G学习记录(6)--UART

为了准备电赛临时学一下TM4C123G，简单记录学习内容大家可以在这里下载我收集的资源，非常全面，花了很大功夫收集来的，还有书籍、例程代码等还可以在TI官网下载相关文档TI官网文章目录一、实验简介二、TM4C的UART资源（1）Tiva控制器的UART特征（2）UART结构图（3）UART和引脚的复用映射表（4）FIFO操作（5）中断、三、编程实践（1）UART配置和使用的基本流程（2...

TM4C

UART

#include

数据

串口

原创 2022-11-27 10:31:14 861 阅读

随机过程（1.1）—— 概率空间、分布函数、Riemann-Stieltjes 积分

概率论与随机过程课程笔记1. 概率空间与

概率论

随机过程

样本空间

定义域

单调性

原创 2022-11-27 10:30:52 767 阅读

论文理解【RL - Episodic Control】 ——【MFEC】Model Free Episodic Control

论文理解 —— Model Free Episodic Control（强化学习 - 情节控制）

强化学习

情节控制

MFEC

episodic

sed

原创 2022-11-27 10:30:31 144 阅读

一文看懂 “极大似然估计” 与 “最大后验估计” —— 最大后验估计篇

详细介绍最大后验估计这一参数估计方法，并和极大似然估计方法对比

最大后验估计

参数估计

MAP

后验概率

先验概率

原创 2022-11-27 10:30:28 3123 阅读 1收藏

论文理解【RL - Exp Replay】—— An Equivalence between Loss Functions and Non-Uniform Sampling in Exp Replay

标题：An Equivalence betweeay Buffer

强化学习

论文

经验重放

均匀经验重放

非均匀经验重放

原创 2022-11-27 10:30:16 189 阅读

论文理解【RL - Exp Replay】—— 【LFIW】Experience Replay with Likelihood-free Importance Weights

标题：Experience Replay with Likelihood-free Importance Weights；发表：PMLR 2022；领域：强化学习 —— Experience Replay

强化学习

replay buffer

经验重放

优先级

点修改

原创 2022-11-27 10:29:45 456 阅读

RL 实践（1）—— 多臂赌博机

在多臂赌博机环境编程对比 ϵ-贪心，Decaying ϵ-贪心，UCB，汤普森采样等平衡探索和利用的方法

算法

贪心算法

强化学习

状态转移

概率分布

原创 2022-11-27 10:29:16 826 阅读

机器学习基础（5）—— 模型选择之性能度量

介绍机器学习模型选择时，模型性能度量的相关概念。包括错误率、精度、查准率、查全率、F1度量、ROC、AUC、代价敏感错误率与代价曲线等

查准率

查全率

ROC

AUC

代价敏感曲线

原创 2022-11-27 10:29:15 219 阅读

个人强化学习论文导航

强化学习论文总结

强化学习

论文解读

数据集

权重

原创 2022-11-25 16:38:39 120 阅读 1点赞

可解释性与积分梯度 Integrated Gradients

积分梯度是一种神经网络可解释性方法此方法首先在论文《Gradients of Counterfactuals》中提出

机器学习

可解释性

积分梯度

IG

神经网络

原创 2022-11-25 03:27:00 625 阅读

数理统计 —— 总体、样本、统计量及其分布

文章目录一、总体与样本1. 总体2. 样本（1）定义（2）分布二、统计量及其分布1. 统计量（1）定义（2）常用统计量2. 三大分布

总体

样本

统计量

三大分布

数理统计

原创 2022-11-25 03:26:18 2491 阅读

项目Demo —— socket下载器

这里介绍一下我计算机网络课的课程设计实现了一个基于socket的文件传输器，可以配置为服务器或客户端，支持多用户用时下载多个文件。

Demo

python

socket

文件传输

ico

原创 2022-11-25 03:23:56 219 阅读

Python入门笔记3 - 字符串

参考书《Python基础教程（第三版）》—— Magnus Lie Hetland一、字符串基本操作字符串属于序列

python

字符串

字段

基本操作

原创 2022-11-25 03:23:11 133 阅读

TM4C123G学习记录(5)--PWM输出

为了准备电赛临时学一下TM4C123G，简单记录学习内容大家可以在这里下载我收集的资源，非常全面，花了很大功夫收集来的

TM4C

pwm

#include

引脚

复用

原创 2022-11-25 03:22:52 832 阅读

【随笔】关于 “关注博主即可阅读全文”

我对 “粉丝关注可见” 功能的看法

粉丝关注可见

随笔

上传

技术网站

原创 2022-11-22 21:58:10 359 阅读

经典机器学习方法（5）—— 线性支持向量机器

详细介绍线性支持向量机的思想、理论和推导，并给出 python 实现代码

支持向量机

线性支持向量机

SVM

感知机

二分类

原创 2022-11-22 21:57:26 352 阅读

PAT乙级 —— 1001 A+B和C（15）

输出Case #X: true如果A+B>C，否则输出Case #X: false，其中X是测试用例的编号（从1开始）输入例子:41 2 32 3 4214748364..

pat乙级

测试用例

java

c++

原创 2022-11-22 10:56:26 44 阅读

机器学习基础（2）—— 统计学习方法三要素

本文介绍统计学习方法的三要素 —— 模型、策略、算法

机器学习

统计学习方法

三要素

模型选择

最小化

原创 2022-11-22 10:56:16 100 阅读

RL gym 环境（3）—— 环境向量化（批量训练）

本文介绍如何在 gym 套件中训练向量化的环境，并通过异步向量化多进程并行运算提高训练效率

gym

强化学习

向量化环境

并行训练

多进程

原创 2022-11-22 10:56:13 1293 阅读

机器学习基础（6）—— 使用权重衰减和丢弃法缓解过拟合问题

介绍缓解过拟合问题的两种方法：权重衰减（L2正则化） & 丢弃法（dropout）。并给出 pytorch 代码

过拟合

权重衰减

丢弃法

dropout

L2正则化

原创 2022-11-22 10:56:11 344 阅读

Pytorch入门（3）—— 构造网络模型

结合代码说明 pytorch 中模型构造、参数访问及初始化、自定义网络层的方法

pytorch

深度学习

权重共享

模型构造

自定义层

原创 2022-11-22 10:55:55 340 阅读

玻尔兹曼分布详细推导、softmax 及 Energy Based Model

从推导和理解玻尔兹曼分布开始，推出 softmax 函数，最后介绍基于能量的模型

玻尔兹曼分布

softmax

基于能量的模型

EBM

均匀分布

原创 2022-11-22 10:55:54 4659 阅读 1收藏

Pytorch入门（4）—— Tensor和Module的保存与加载

结合代码介绍 pytorch 中 tensor 和 Module 示例的本地存储和加载方法

pytorch

保存

持久化

Module

tensor

原创 2022-11-22 10:55:51 585 阅读

PAT乙级 —— 1003 数素数 (20)

题目链接：数素数 (20)题目描述令Pi表示第i个素数。现任给两个正整数M <

PAT乙级

#include

ios

i++

原创 2022-11-22 10:55:20 74 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

佚失的诗篇

RL 实践（3）—— 悬崖漫步【QLearning & Sarsa & 各种变体】

论文理解【Offline RL】——【DT】Decision Transformer: Reinforcement Learning via Sequence Modeling

论文理解【Offline RL】——【RvS】What is Essential for Offline RL via Supervised Learning?

论文理解【Offline RL】——【BCQ】Off-Policy Deep Reinforcement Learning without Exploration

从模型容量的视角看监督学习

快速串联 RNN / LSTM / Attention / transformer / BERT / GPT（未完待续）

TM4C123G学习记录(6)--UART

随机过程（1.1）—— 概率空间、分布函数、Riemann-Stieltjes 积分

论文理解【RL - Episodic Control】 ——【MFEC】Model Free Episodic Control

一文看懂 “极大似然估计” 与 “最大后验估计” —— 最大后验估计篇

论文理解【RL - Exp Replay】—— An Equivalence between Loss Functions and Non-Uniform Sampling in Exp Replay

论文理解【RL - Exp Replay】—— 【LFIW】Experience Replay with Likelihood-free Importance Weights

RL 实践（1）—— 多臂赌博机

机器学习基础（5）—— 模型选择之性能度量

个人强化学习论文导航

可解释性与积分梯度 Integrated Gradients

数理统计 —— 总体、样本、统计量及其分布

项目Demo —— socket下载器

Python入门笔记3 - 字符串

TM4C123G学习记录(5)--PWM输出

【随笔】关于 “关注博主即可阅读全文”

经典机器学习方法（5）—— 线性支持向量机器

PAT乙级 —— 1001 A+B和C（15）

机器学习基础（2）—— 统计学习方法三要素

RL gym 环境（3）—— 环境向量化（批量训练）

机器学习基础（6）—— 使用权重衰减和丢弃法缓解过拟合问题

Pytorch入门（3）—— 构造网络模型

玻尔兹曼分布详细推导、softmax 及 Energy Based Model

Pytorch入门（4）—— Tensor和Module的保存与加载

PAT乙级 —— 1003 数素数 (20)