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

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。

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?

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

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

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

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

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

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

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。

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

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
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×