摘要：
参考链接：https://blog.csdn.net/u013733326/article/details/79767169 搭建多层神经网络步骤： 1、初始化 2、前向传播 (1)线性部分 (2)激活部分 3、计算代价（判断有没有学习） 4、反向传播 （1）线性部分 （2）激活部分 5、更新参数 阅读全文
摘要：
参考链接：https://blog.csdn.net/u013733326/article/details/79702148 # coding=utf-8 # This is a sample Python script. # Press ⌃R to execute it or replace it 阅读全文
摘要：
1、numpy库 import numpy as np np.random.seed(1) #设置随机种子 np.log(x) #给list中的每个元素取对数 np.multiply(x, y) #list中对应元素相乘 np.dot(x, y) #矩阵乘法 np.power(x, 2) #list 阅读全文
摘要：
参考大佬的博客https://blog.csdn.net/u013733326/article/details/79639509 代码： # coding=utf-8 # This is a sample Python script. # Press ⌃R to execute it or repl 阅读全文
摘要：
刚把《强化学习》的第一部分写完，突发奇想想写一个井字棋小游戏AI，采用MCTS算法，中间采用了UCT算法作为树中策略，等概率随机作为树外策略。 代码： #include <bits/stdc++.h> using namespace std; const int maxn = 20010; doub 阅读全文
摘要：
本章的重点就是计算价值函数，通过DP进行迭代计算。 Vπ(s)的定义式： 迭代计算方式： 以该问题为例，编写代码加深理解： 过程图： 本图中展示的是策略不变的情况。虽然策略没变，但是仍然找到了每个状态的最优动作。 此为模拟程序在策略不改变的情况下展示的结果 策略改变： 添加了基于贪心的策略改进之后， 阅读全文
摘要：
本章节以多臂赌博机为模型，介绍了若干个在简化环境下的强化学习算法（动作不会影响下一时刻的情景和收益） 1、贪心算法，每次选择期望收益最大的动作 2、ξ-贪心，在贪心算法的基础上，有ξ的概率从所有的动作中等概率选择一个。ξ如果比较大可以更快的找到收益最大的动作，但是会影响选择选择收益最大动作的概率（ξ 阅读全文
摘要：
强化学习与常见机器学习方法的区别： 1、有监督学习： 有监督学习是从外部监督者提供的带标注的训练集当中进行学习，这种学习方式是为了让系统具有推断或泛华的能力。 2、无监督学习： 无监督学习是一个典型的寻找未标注的数据中的隐含结构的问题。 3、强化学习： 强化学习是一种对目标导向的学习与决策进行理解和 阅读全文
摘要：
二元函数极值判定方法证明：https://wenku.baidu.com/view/180ec113cc7931b765ce157c.html 阅读全文
摘要：
概率论： 为什么样本方差要除以n-1?https://blog.csdn.net/zhoucoolqi/article/details/80380095 证明：(n-1)S^2 / δ^2 服从 卡方(n-1) https://blog.csdn.net/xianpingping/article/d 阅读全文