强化学习基本要素
马尔科夫决策过程
策略学习(Policy Learning)
时序差分方法（TD method）
Q-Learning算法
Actor-Critic方法
DQN
DDPG
推荐系统强化学习建模
附录 ...
分类：
编程语言 时间：
2019-10-13 12:45:44
阅读次数：
105
图书使用图书分类号ISBN作为图书的ID 大英百科全书（Encyclopedia Britannica）可用于找寻关键词或关键词相关信息，便于构建准确的检索式： Knovel：可使用物理化学性质查找相对应的物质： Springer电子书中，使用国科大图书馆入口可以free download的电子书： ...
分类：
编程语言 时间：
2019-10-13 00:33:32
阅读次数：
108
20191222 师生关系 1. 在我十几年的读书生涯中，给我印象最深、对我影响最大的老师一定是我高中化学老师蒋HB。在蒋老师的教导下，我们班的化学在年级上一直名列前茅。全年级的学生都知道他、敬仰他，每次他上补习班都是座无虚席。蒋老师是一位特别好的老师，不仅是他的知识渊博、教导有方，更是他对学生认真 ...
分类：
其他好文 时间：
2019-10-12 12:46:03
阅读次数：
100
何为功能富集分析？ 功能富集分析是将基因或者蛋白列表分成多个部分，即将一堆基因进行分类，而这里的分类标准往往是按照基因的功能来限定的。换句话说，就是把一个基因列表中，具有相似功能的基因放到一起，并和生物学表型关联起来。 何为GO和KEGG？ 为了解决将基因按照功能进行分类的问题，科学家们开发了很多基 ...
分类：
其他好文 时间：
2019-10-11 20:33:34
阅读次数：
6264
马尔可夫决策过程 MDP 基于模型的动态规划方法（Model-Based，DP） 策略搜索 策略迭代 值迭代 无模型的强化学习方法（Model-Free） 蒙特卡洛方法（MC）：效率不高，但是能够展现 model-free 类算法的特性； 时序差分方法（TD，Important）：直接从 episo ...
分类：
其他好文 时间：
2019-10-08 23:58:32
阅读次数：
199
我的工程实践选题是《基于深度强化学习的智能控制系统设计》，通过搭建Tensorflow、ROS等深度学习和机器人仿真平台，将人工智能理论用于机器人、自动驾驶领域的决策与规划，通过深度强化学习来训练机器人的行为，实现航迹动态规划和智能避障等应用。可能用到的开发工具有Python，C/C++，Linux ...
分类：
其他好文 时间：
2019-10-08 22:25:17
阅读次数：
129
黄蜡石chrismatite的原岩均为硅质岩，各种原岩受到构造变动、火山活动、热液作用等影响，产生复杂的物理和化学变化，包括重结晶、热变质等，导致矿物成分及结构构造的变化，后受构造变动的影响，岩石露出地表，与地表酸性土壤环境长期接触，或在溪流中长期磨蚀，经历染色、磨圆，形成河谷中的籽料。 黄蜡石矿藏 ...
分类：
其他好文 时间：
2019-10-08 12:19:53
阅读次数：
86
一般认为翠榴石demantoite的形成条件是： (1)围岩组成应该是贫铝富铁，且附近有钙质碳酸盐出露地区，即有利于“纯度高”的钙铁榴石结晶环境。否则，若钙铝榴石端员分子比增多，2价Fe必将直接影响晶体折射率和色散等光学性能的降低，从而失去翠榴石作为优质宝石的特性； (2)形成部位较浅，较高的氧逸度 ...
分类：
其他好文 时间：
2019-10-07 21:36:49
阅读次数：
103
chrysopal金绿宝石，也称金绿玉。化学成分为BeAl2O4、晶体属正交（斜方）晶系的氧化物矿物。它位列名贵宝石，具有四个变种：猫眼，变石，变石猫眼和金绿宝石晶体。 金绿宝石本身就是较稀少的矿物，如果能切割成大颗粒的且颜色净度都比较好的宝石是十分珍贵的。 金绿宝石通常透明度较好，呈现黄或黄绿色， ...
分类：
其他好文 时间：
2019-10-07 09:53:18
阅读次数：
111
全连接神经网络：也叫多层感知器模型 BP不是神经网络，是训练神经网络的一种方法。 人脑大约800亿个神经元组成，这些神经元由突触与其他神经元相互连接，交换电信号和化学信号，大脑通过神经元之间的协作完成各种功能。神经元之间的连接关系是通过进化、生长发育和后天刺激形成的。 人工神经网络： 受动物神经系统 ...
分类：
其他好文 时间：
2019-10-05 18:44:57
阅读次数：
101
