Wed Oct 28

强化学习基础强化学习

强化学习(七) -- 值函数逼近

现在我们可以回顾一下原来的知识，我们之前讲了那么多的算法，但是我们是不是都有一个假设，就是我们的状态空间都是有限的。然后我们使用内存存储每个状态的值函数，不断的进行更新这个值函数。如果是一个无限空间的场景我们将如何处理呢？这个时候已经没有足够的内存啦，我们往往需要使用近似的函数$V(s,\theta

Sun Oct 25

强化学习

强化学习(六) -- 资格迹

我们之前讲过的蒙特卡洛方法和时序差分算法有一点不同点，当更新当前状态的值函数的时候，蒙特卡洛方法是使用整个轨迹来预估，而TD算法则是使用一段轨迹来预估，而这个一段轨迹一般是小于整条轨迹的。而通过利用不同的举例来估计，我就称为多步时序差分法也叫做资格迹法。而资格迹法一般又分为两个角度来计算。一种前项视

Wed Oct 21

运筹规划

运筹规划(一)-运筹规划基础

经过之前的入门，我们来系统的看看运筹规划这门数学科学。通过我们之前举的例子，我们知道是根据业务问题，列出符合业务需求的方程，然后求解这个方程，然后接下来要介绍的实际上是我们要解决一个问题的时候，往往将现有的问题变化成标准型。然后求解。下面我们就来看看如何转换标准型。

Sun Oct 18

强化学习基础强化学习

强化学习(五)--学习策略（时序差分）

之前的学习中，我们了解到学习强化学习的数据是完整的采样轨迹(蒙特卡洛方法)，使用动态规划需要采用自举的方法，使用后继的值函数估计当前的值函数，本章要介绍的实际上是这两种方法的结合，叫做时序差分。我们首先来回顾一下原来值函数的估计方程。

Mon Oct 12

强化学习基础强化学习

强化学习(四)--学习策略(蒙特卡洛)

咱们第三节介绍了基于模型的强化学习方法，动态规划计算值函数的公式。$$V_{π}(s)=\sum_{a\inA}π(a|s)(R_+\gamma\sum_{s'\inS}P_{ss'}V_{π}(s'))\tag{3.1}$$

Wed Oct 7

强化学习基础强化学习

强化学习(三) -- 策略迭代

动态规划动态规划相信大家都是了解的，这是一个运筹学的分支，其核心的思想是将一个大的问题分解成n个小问题，而要解决这个大问题，往往需要这些小问题的解，一般通过某些方式存储起来，从而节省大量时间。而马尔可夫就具有这样的特性，所有动态规划经常被用作解决强化学习问题的方法。策略评估我们在做强化学习的同时往往

Tue Oct 6

强化学习基础强化学习

强化学习(二) -- 最优策略(贝尔曼方程)

马尔可夫决策过程提供了基本的理论框架，几乎所有的马尔可夫学习问题都可以使用MDP的决策过程建模。而本节讲的贝尔曼方程是马尔可夫决策过程用到最基础的方程。贝尔曼方程方程也被成为动态规划方程，贝尔曼方程表达了当前值函数（或行为值函数）和它后继值函数的关系，以及值函数与行为函数之间的关系。而贝尔曼最优方程

Tue Oct 6

强化学习基础强化学习

强化学习(一) -- 马尔可夫过程

强化学习简介首先我们来说下深度学习或者机器学习这个范畴，众所周知，深度学习此类学习方式是典型的端到端的学习方式，什么是端到端呢？就是我直接给你结果，你根据输入来告诉学习中间的过程，而中间的过程一般就是矩阵参数。对比而言呢，强化学习其实一个序列决策，一听到这里第一个不同就是我们是在一个序列过程中做决策

Thu Sep 3

地图经典算法计算机基础

轨迹挖掘(四)--基于geohash的临近搜索

引言在地理信息中，我们经常要做一个范围搜索，这个往往也是性能的瓶颈，今天我们就来介绍基于geohash的临近搜索。geohash首先我们来介绍什么是geohash，geohash简单来说是一种地理编码，就是你给我输入一个经纬度，我给你一个字符串编码。我们可以简单思考一下，如果让你做范围搜索，你怎么来

Sun Jun 28

地图

轨迹挖掘(零)--基于HMM的地图匹配算法(map match)

背景地图匹配算法,在地图领域还是十分重要的算法，那么我们先来普及一下地图匹配算法究竟是做一个什么样的事情呢？看上面这个图，我们看到三个黑的gps点，和地图一些路网，那么mapmatch解决的就是这三个点究竟在哪条路上？至于为什么我们要知道这三个点在哪条路上呢？我们可以这样理解一种业务场景，在轨迹挖掘

Tue Jun 23

计算机基础

linux下升级python版本

大家可能都会遇到这样的问题，python版本升级的问题，这个问题也是比较头疼，对于我这种深度强迫症患者，在不知情的情况下安装了n多版本，也不知道怎么清理，简直让人不能容忍。下面我们来介绍如何升级你服务器上的python呢？下载相应版本的pythonwgethttps://www.python.org

Thu Jun 18

自然语言处理

自然语言处理之word2vec

Word2vec将文本转化成向量是nlp中一个比较重要的任务，也是链接nlp和机器学习和深度学习的桥梁，单纯的中文文字，我们是无法直接放到模型中训练的，所以将文本转化为一个向量是我们必须要过的一关。词袋模型（bagofword)词袋模型的思路十分简单，是文本向量化的最简单方法。我们直接举一个例子来了

强化学习(七) -- 值函数逼近

强化学习(六) -- 资格迹

运筹规划(一)-运筹规划基础

强化学习(五)--学习策略（时序差分）

强化学习(四)--学习策略(蒙特卡洛)

强化学习(三) -- 策略迭代

强化学习(二) -- 最优策略(贝尔曼方程)

强化学习(一) -- 马尔可夫过程

轨迹挖掘(四)--基于geohash的临近搜索

轨迹挖掘(零)--基于HMM的地图匹配算法(map match)

linux下升级python版本

自然语言处理之word2vec

最新文章

分类

标签云

最新文章

标签

Your browser is out-of-date!