博文
- 【RL系列】马尔可夫决策过程与动态编程笔记
- 推荐阅读顺序： Reinforcement Learning: An Introduction (Drfit) 有限马尔可夫决策过程 动态编程笔记 Dynamic programming inPython 本篇 马尔可夫决策过程 马尔可夫决策（MDP）过程为强化学习（RL）提供了理论基础，而动态编程（DP）为马尔可夫决策过程提供了 ...
- 【RL系列】Multi-Armed Bandit笔记——Softmax选择策略
- 本篇主要是对 Reinforcement Learning: An Introduction(2017) 中的2.8部分做一个简单的补充，重点就放在我是如何理解Softmax策略，以及从Softmax到Gradient中间的过程。Softmax与Gradient策略与epsilon-greedy，UCB策略一样都是强化学习中非常重要的动作选择策略。但Softmax和Gradient并非是毫不关联的，两种策略目的一 ...
- 【RL系列】Multi-Armed Bandit问题笔记——UCB策略实现
- 热度 1
- 本篇主要是为了记录UCB策略在解决Multi-Armed Bandit问题时的实现方法，涉及理论部分较少，所以请先阅读 Reinforcement Learning: An Introduction (Drfit)的2.7。为了更深入一点了解UCB策略，可以随后阅读下面这篇文章： 【RL系列】Multi-Armed Bandit笔记补充（二）—— UCB策略 UCB策略 ...
- 【RL系列】Multi-Armed Bandit笔记补充（二）—— UCB策略
- 热度 1
- 本篇的主题是对Upper Conference Bound(UCB)策略进行一个理论上的解释补充，主要探讨UCB方法的由来与相关公式的推导，这一部分书中并未给出详细的过程与分析。 UCB是一种动作选择策略，主要用来解决epsilon-greedy在选择时的低效率问题。对于解释UCB的使用机理上，我认为下面这篇文章写的还不错，深入浅出，只不过在公 ...
- 【RL系列】Multi-Armed Bandit问题笔记
- 这是我学习Reinforcement Learning的一篇记录总结，参考了这本介绍RL比较经典的 Reinforcement Learning: An Introduction (Drfit) 。这本书的正文部分对理论的分析与解释做的非常详细，并且也给出了对结论详尽的解析，但是把问题的解决和实现都留到到了课后题，所以本篇文章主要侧重与对Multi-Armed Band ...
- 一个电磁学中常用的积分的计算
- 热度 1
- 原式为： \iint_{x^2 + y^2R^2} \frac{1}{a}\hat{a}dS\\ 可以化简为： \int_{0}^{R} \int_{0}^{2\pi} \frac{L - rcos\theta}{L^{2} + r^{2} - 2Lrcos\theta} r drd\theta\ \hat{x}\\ 将式子分为两部分求解： \frac{1}{\frac{L}{r} + \frac{r}{L} - 2cos\t ...
- 木星掩食（木卫一食）与人类第一次成功的光速测量
- 这篇文章我最初发在知乎上： https://zhuanlan.zhihu.com/p/37747330 其中的木星掩食的天文观测视频我就不发到这里来了，有兴趣的话可以去这个链接里看一看。 昨天在知乎上看到有人怀念CPhO。原话大意是CPhO有些近代物理相关的题目还是有些意思的，比如那道利用木星掩食计算光速的题目。于是我去检索了一下，这道题是第 ...
- 【Q-learning系列】从一个简单的寻路问题深入Q-learning
- 问题描述 ： 如图所示，宝藏在红色方块处，黑色方块为障碍物。在起点已确定的前提下，找到一条去往红色方块的最近路线（起点可以是图上任意一个方块）。 解决思路 ： 最核心的思想来源于我的上一篇文章 【Q-learning系列】解决“房间问题”的一个通用方法 ，如果可以的话，最好先了解一下。下面 ...
- 【Q-learning系列】解决“房间问题”的一个通用方法
- 在阅读本文之前，请先对强化学习，Q-learning以及房间问题有一个初步的了解。可以参考下面这两个链接： Q-learning Step by Step Tutorial Q-learning算法分析与代码实现 “房间问题”简单来说就是终点确定的最短路径寻找问题，但是个单目标优化问题，也就是说仅仅只需要考虑路程最短，不需要考虑其它成 ...
- 【补充】Chrome内置工具抓包分析
- 这里不详细介绍怎么使用Chrome内置开发工具进行抓包分析，只是对之前的一篇博文中的关于抓包获取url的过程经行一个补充说明，所以在看这篇文章之前，确保你已经读过下面这篇文章： 【python爬虫】抓取B站视频数据及相关信息（二） 在之前关于python爬虫的第二篇文章中，我提到了用来解析的json数据的来源是抓包 ...
