Thu Jan 18

做事感悟

求胜(二)

先来抛一个观点，崎岖的路通往皇宫，平坦的路通往村庄，这句话想表达的就是一个事情越难其实竞争越少，综合难度未必一定比通往村庄的路代价大。那这里的难又是什么具体含义的。难度简单的事情往往是开头简单，但是你越是想把这个事情做精通，其实难度是陡然攀升的。所以简单的事情其实拼的是后期。上图列举了一个高考的例子，如果你想上大学，考个400分，其实也没有那么难，反而是简单的，但是你想上清华北大，那就要拼的是后

Wed Jan 17

做事感悟

求胜(一)

最近看了可以一本挺有趣的书，里面一些经典的语句十分喜欢，这里准备摘抄一些，等以后有机会还能深入阅读，道理愈多，迷茫愈多。

Tue Dec 12

运筹规划

运筹规划（十三）--存储论

本节继续讲解存储论，不过咱们要加深一下难度，大家知道这个时候不是所有的事情就是100%发生的，一定是已一个概率的形式存在的，那么本节就要讲的核心内容就是当概率遇上运筹规划，将会有什么有意思的求解方法吗？

Mon Dec 11

运筹规划

运筹规划（十二）--存储论

今天我们来介绍运筹优化中的一类问题，存储论问题。在日常生活中通常需要最合理、最经济的存储问题。例如水库蓄水问题等，接下来就来介绍一个存储论包括的相关概念。需求补充费用（存储费，订货费，生产费，缺货费）存储策略其中存储策略包括几种方式。t-循环策略，每个固定的时间t，补充一个固定的存储量Q（t，S）存储策略，每隔一个固定的时间补充一次，补充的数量不固定，看实际存储量确定，如果实际存储量为L，那么补

Thu Oct 19

因果推断

因果框架--结构因果框架(三)

本章主要讲解一下在连续特征值的情况下如何进行因果图的挖掘。之前的介绍中节点的属性大部分以是否值为主。之前讲的优化的框架是如下的公式表达。max F(A)s.t.G(A)∈DAGs(1.1)max\ F(A) \\s.t.G(A) \in DAGs \tag{1.1}max F(A)s.t.G(A)∈DAGs(1.1)A 为因果结构的邻接矩阵,G(A)为A 所对应的有向无环图，DAGS 是所有可能的

Wed Sep 20

人工智能深度学习自然语言处理

自然语言处理之Transformer精讲(二)

本节咱们换个角度来讲Transformer模型，在上一个文章中，主要以计算的过程介绍模型的运行过程，本章中直接对着模型来进行进一步的讲解。通过上文的介绍，知道Transformer模型架构主要分为了编码器和解码器，那么对于模型架构来讲，咱们还是以这两部分分开讲解。编码器在编码器部分主要有两部分组成，一个是多头注意力层，一个是前馈神经网络，并采用残差机制和层归一化的方式链接。如上图的左侧部分。下图是

Sun Sep 17

定价策略

定价补贴(一)--价格歧视

接下来这个问题就是要聊一下一个敏感的话题（价格歧视）。在垄断市场的环境下，卖家能够根据需求的异质性进行区分定价，其目的是让价格尽可能靠近用于的预期支付价格，当然这个几个本身不重要，例如一个很富有的人，你可以把价格定个离谱的高，他也不会感觉到问题，这个时候的成交是能够准换成利润的，反之对于一个穷人来说，定价尽可能低，尽量促成交易，产生利润。在生活中也经常会遇到类似的事情，例如爬山的时候，越到山顶水

Fri Sep 15

人工智能定价策略

定价补贴(零)--新的开始

本章讲开启一个新的系列，并不是真的进入了一个新的行业，只是不满足原地踏步的自己。开始系列中，仍然会以介绍一些简单框架和入门知识为主，后续再进一步的介绍相关的算法。需要说明的是定价策略是一门综合科学，包含了经济学、数学、博弈等多方面的知识。交易模式说到定价就不得说一下交易模式，其实从日常的生活中就能感受到，交易模式是越来越丰富的，在不同的交易模式下，对于定价的考量也是不太一样的。先来看看都有啥交易

Thu Aug 10

图神经网络

图神经网络(二)--图表示学习

图表示学习图结构是一个高维稀疏的数据表示，那么图表示学习是将这个高维稀疏的数据映射成低维度稠密的数据，这就是图表示学习的要解决的核心问题。图表示学习一般有两种方式，一种是顶点嵌入，另一种是整图学习。顶点嵌入一般是针对顶点维度，将每个订单映射成一个低维的向量表达，这种方式表达的粒度比较细，一般用于节点层面的预测或者节点分类。整图的表示学习则是针对全图生成一个向量，这种图表示学习方式粒度较粗，一般用于

Sun Jul 30

强化学习深度强化学习

深度强化学习(五)-- RDPG

基于策略的深度强化学习循环确定性策略梯度(RDPG)RDPG属于策略梯度算法。和前面讲到的基于值函数的训练方法不同，策略通过计算梯度更新策略网络中的参数，使得整个策略朝着奖励增高的方向更新。

Sun Jul 30

强化学习深度强化学习

深度强化学习(三)-- 平均值DQN

平均值DQN是基于传统的DQN的一个简单但是非常有效的一个改进，它基于对先前学习过程中的Q值估计进行平均，通过减少目标价值函数中的近似误差方差，使得训练过程更加稳定，并提高性能。至于网络结构上是完全一致的。算法分析平均值DQN主要关注传统DQN学习过程中存在的误差，并想办法减少这些误差。Q(s,a;θi)Q(s,a;\theta_{i})Q(s,a;θi)表示第i次迭代的值函数，Δi=Q(s,a

Thu Jul 27

运筹规划

运筹规划(九)--VRP问题

书接上回，今天我们来看一个更加复杂的问题，VRP问题【指车辆路径问题（Vehicle Routing Problem）】，通过上面的学习知道了TSP问题是一个人和若干个景点，遍历一遍的最小代价和方案。VRP问题的问题定义是指一定数量的客户，各自有不同数量的货物需求，配送中心向客户提供货物，由一个车队负责分送货物，组织适当的行车路线，目标是使得客户的需求得到满足，并能在一定的约束下，达到诸如路程最短

求胜(二)

求胜(一)

运筹规划（十三）--存储论

运筹规划（十二）--存储论

因果框架--结构因果框架(三)

自然语言处理之Transformer精讲(二)

定价补贴(一)--价格歧视

定价补贴(零)--新的开始

图神经网络(二)--图表示学习

深度强化学习(五)-- RDPG

深度强化学习(三)-- 平均值DQN

运筹规划(九)--VRP问题

最新文章

分类

标签云

最新文章

标签

Your browser is out-of-date!