發簡信
IP屬地：河南
-
各種求minimize極值的優化方法
包括牛頓法、梯度下降法... 這些其實并非是最優秀的， 今天聽說一個L-BFGS-B ，未來可以嘗試性能并應用。 https://www.cnb...
-
p-value與顯著性優勢
https://blog.csdn.net/rongbaohan/article/details/53521147
-
強化學習論文中應注意的事項
https://zhuanlan.zhihu.com/p/52066264 非常棒！
-
hadoop1. hadoop on Yarn 注意 application Master的角色 Resource Manager是針對cluster資...
-
java1. 子類繼承父類的時候，會先默認執行父類的 無參 構造函數（即便實例化的時候用的是傳參的方式）， 再執行子類的構造函數。 2. 繼承 exte...
-
PPO和DPPOPPO： A2C算法的改進版，主要是為了解決 ‘learning rate 不易設置的問題’， DPPO是 PPO的distributed版本...
-
policy-gradient和q-learning區別
其中一個區別就是， q-learning總是用 Q現實 - Q估計 來獲得loss，從而更新參數。 但基礎版本的policy-gradient都...
-
A3C中央大腦 Global_net 以及 4個（一般多少個CPU就多少個Worker）worker， 每個 worker都是獨立做一個 AC算法， ...
-
actor-critic1. actor是 policy-gradient， critic是 類似于q-learning的value-based 的另一個代表： sta...