我的随笔

上一页 1 2 3 4 5 6 7 8 下一页
PbRL | QPA：选择 near on-policy query，加速 policy learning 收敛速度
MoonOut 2023-12-17 15:28 阅读:167 评论:0 推荐:0
PbRL | B-Pref：生成多样非理性 preference，建立 PbRL benchmark
MoonOut 2023-11-30 21:21 阅读:274 评论:0 推荐:0
概率图模型 · 蒙特卡洛采样 · MCMC | 非常好的教学视频
MoonOut 2023-11-28 15:34 阅读:62 评论:0 推荐:0
offline RL | BCQ：学习 offline dataset 的 π(a|s)，直接使用 (s, π(s)) 作为 Q learning 训练数据
MoonOut 2023-11-27 21:29 阅读:413 评论:0 推荐:0
RL 基础 | 讲的很好的 TRPO 博客
MoonOut 2023-11-27 15:47 阅读:63 评论:0 推荐:0
offline RL | IQL：通过 sarsa 式 Q 更新避免 unseen actions
MoonOut 2023-11-25 20:12 阅读:1073 评论:0 推荐:0
offline RL | TD3+BC：在最大化 Q advantage 时添加 BC loss 的极简算法
MoonOut 2023-11-19 17:02 阅读:1157 评论:0 推荐:0
概率图 · 概率论基础 | 讲的非常好的 KL 散度博客
MoonOut 2023-11-16 16:36 阅读:48 评论:0 推荐:0
off-policy RL | Advantage-Weighted Regression (AWR)：组合先前策略得到新 base policy
MoonOut 2023-11-13 20:40 阅读:661 评论:0 推荐:0
PbRL · offline RL | OPRL：发现部分 D4RL tasks 不适合做 offline reward learning
MoonOut 2023-11-13 18:11 阅读:740 评论:0 推荐:0
PbRL | SURF：使用半监督学习，对 labeled segment pair 进行数据增强
MoonOut 2023-11-11 20:16 阅读:448 评论:0 推荐:1
线性代数 · 矩阵 · Matlab | Moore-Penrose 伪逆矩阵代码实现
MoonOut 2023-11-11 12:01 阅读:884 评论:0 推荐:0
PbRL | RUNE：鼓励 agent 探索 reward model 更不确定的 (s,a)
MoonOut 2023-11-10 17:43 阅读:598 评论:0 推荐:3
PbRL | PEBBLE：通过 human preference 学习 reward model
MoonOut 2023-11-09 20:40 阅读:658 评论:0 推荐:0
offline RL | CQL：魔改 Bellman error 更新，得到 Q 函数 lower-bound
MoonOut 2023-11-07 15:12 阅读:1298 评论:0 推荐:3
凸优化 | Lagrange 对偶：极大极小不等式的证明
MoonOut 2023-11-07 10:51 阅读:367 评论:1 推荐:0
线性代数 · 矩阵 · Matlab | 满秩分解代码实现
MoonOut 2023-11-04 17:07 阅读:543 评论:0 推荐:0
RL 基础 | Policy Iteration 的收敛性证明
MoonOut 2023-11-02 10:44 阅读:650 评论:3 推荐:0
线性代数 · 矩阵 · Matlab | Cholesky 分解代码实现
MoonOut 2023-11-01 14:23 阅读:572 评论:0 推荐:0
RL 基础 | Value Iteration 的收敛性证明
MoonOut 2023-10-24 09:40 阅读:1249 评论:0 推荐:0
python · ssh · SQL | python 连接远程 SQL 数据库
MoonOut 2023-10-07 21:03 阅读:248 评论:0 推荐:0
Markdown · Typora | 基本画图技巧
MoonOut 2023-10-07 20:53 阅读:667 评论:0 推荐:0
临时帖 | 用于在手机端背英语的帖子
MoonOut 2023-09-15 12:13 阅读:57 评论:0 推荐:0
关于传统迁移学习的一点概念
MoonOut 2023-09-07 21:10 阅读:107 评论:0 推荐:0
python · SQL | MySQL 配置与 python 连接数据库
MoonOut 2023-08-22 18:41 阅读:83 评论:0 推荐:0
TOEFL | 202307 改革 · 新版题型总结
MoonOut 2023-08-13 15:07 阅读:235 评论:0 推荐:0
TOEFL | Reading · 题型总结
MoonOut 2023-07-31 12:08 阅读:70 评论:0 推荐:0
大三下 | 本科升学的浏览器书签存档
MoonOut 2023-07-29 20:51 阅读:83 评论:0 推荐:0
大二上 | 一些四六级护身符的存档
MoonOut 2023-06-24 12:12 阅读:45 评论:0 推荐:0
LaTex · overleaf | 使用技巧存档
MoonOut 2023-06-16 10:10 阅读:574 评论:1 推荐:0
杂谈 | 十二井穴缓解新冠症状
MoonOut 2023-06-10 21:04 阅读:231 评论:0 推荐:0
时空图预测的方法论，以及 diffusion model 基本概念
MoonOut 2023-06-10 20:55 阅读:341 评论:0 推荐:0
命题文案 | kwdnx、谷雨、更漏与我
MoonOut 2023-06-10 19:52 阅读:72 评论:0 推荐:0
传说中 PUE 预测精度高达 0.005 的工作
MoonOut 2023-06-10 19:38 阅读:72 评论:0 推荐:0
大二上 | 计算机组成原理 · 小测试卷
MoonOut 2023-06-10 19:23 阅读:70 评论:0 推荐:0
大二下 | 计算机体系结构 · 期中试卷
MoonOut 2023-06-10 19:18 阅读:72 评论:0 推荐:0
大二上 | 数据结构 · 期中试卷
MoonOut 2023-06-10 19:15 阅读:101 评论:0 推荐:0
大二上 | 数据结构 · 小测试卷
MoonOut 2023-06-10 19:11 阅读:36 评论:0 推荐:0
大二下 | 操作系统（全英）· 期中试卷
MoonOut 2023-06-10 19:07 阅读:33 评论:0 推荐:0
RL 基础 | 如何注册自定义 gym 环境
MoonOut 2023-05-31 10:59 阅读:214 评论:0 推荐:0
上一页 1 2 3 4 5 6 7 8 下一页