HBU_DAVID - 博客园

【人工智能导论：模型与算法】MOOC 8.3 误差后向传播(BP) 例题编程验证

摘要： 8.3 误差后向传播(BP) 原理和推导过程，参考慕课。https://www.icourse163.org/course/ZJU-1003377027 （2022.4.29更正：上面的计算结果W1-W4是错误的。详细说明：【人工智能导论：模型与算法】MOOC 8.3 误差后向传播(BP) 例题【阅读全文

posted @ 2022-04-19 18:48 HBU_DAVID 阅读(551) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】7.2.5 基于策略：策略梯度 | REINFORCE | Actor-Critic

摘要：阅读全文

posted @ 2022-02-17 18:23 HBU_DAVID 阅读(44) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】知识点思维导图 V7

摘要：阅读全文

posted @ 2022-02-17 00:43 HBU_DAVID 阅读(96) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】7 强化学习知识结构图

摘要：阅读全文

posted @ 2022-02-17 00:11 HBU_DAVID 阅读(129) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】7.2.4 基于价值：价值迭代 | Q学习

摘要：阅读全文

posted @ 2022-02-16 17:53 HBU_DAVID 阅读(76) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】7.2.1-7.2.3 基于价值：策略优化策略评估（动态规划、蒙特卡洛、时序差分）

摘要：挺有难度，推进不动了 ~ 看明白时序差分，再研究Q学习，一步步来 ~ Update：听了听王树森老师的时序差分例子，茅塞顿开，开心！ https://www.bilibili.com/video/BV1rv41167yx?p=2 阅读全文

posted @ 2022-01-24 19:19 HBU_DAVID 阅读(64) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】贝尔曼方程奖励函数 R(s1,a,s2)的简写，应该是Rs1还是Rs2 ？

摘要：不同的书写的不大一样。看的时候有点晕，原来是没有统一标准 ~ 写成： R(s1,a,s2）是没有争议的~ 阅读全文

posted @ 2022-01-23 23:48 HBU_DAVID 阅读(160) 评论(3) 推荐(0) 编辑

【人工智能导论：模型与算法】贝尔曼方程 V2.0

摘要：【人工智能导论：模型与算法】强化学习问题定义贝尔曼方程比上一遍好了很多，但还不是很通透，需要看第三遍！阅读全文

posted @ 2022-01-22 15:57 HBU_DAVID 阅读(195) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】马尔科夫决策过程MDP | 强化学习问题定义：策略函数π，状态-价值函数v(s)，动作-价值函数q(s,a)- V2.0

摘要：【人工智能导论：模型与算法】马尔科夫决策过程【人工智能导论：模型与算法】强化学习问题定义贝尔曼方程太晚了，贝尔曼来不及看了。贝尔曼有一定难度，拿出时间单独看也好。第二遍看MDP，理解又深入了一些。【2022.1.22更新】价值函数更新为：状态价值函数。更多教材采用状态价值函数另一阅读全文

posted @ 2022-01-22 01:52 HBU_DAVID 阅读(198) 评论(1) 推荐(0) 编辑

【人工智能导论：模型与算法】6.5 GAN - V1.0

摘要：阅读全文

posted @ 2022-01-20 21:51 HBU_DAVID 阅读(49) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】6.3 卷积神经网络 CNN 6.4 循环神经网络 RNN LSTM GRU - V2.0

摘要：【人工智能导论：模型与算法】6.3 卷积神经网络【人工智能导论：模型与算法】6.4 循环神经网络 http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 阅读全文

posted @ 2022-01-19 21:01 HBU_DAVID 阅读(44) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】单层感知机多层感知机 FNN 激活函数损失函数逻辑异或线性不可分

摘要：这一部分难点：交叉熵损失函数【人工智能导论：模型与算法】交叉熵 V2.0 还是似懂非懂阅读全文

posted @ 2022-01-06 14:49 HBU_DAVID 阅读(67) 评论(0) 推荐(0) 编辑

【人工智能导论：模型与算法】奇异值分解 SVD ：需要线性代数基础

摘要：特征值分解特征值求解特征向量求解行列式求解奇异值分解 https://www.cnblogs.com/pinard/p/6251584.html https://blog.csdn.net/u010182633/article/details/45921929 https://www.cnb 阅读全文

posted @ 2022-01-05 01:22 HBU_DAVID 阅读(50) 评论(0) 推荐(0) 编辑