發(fā)簡信
IP屬地：福建
-
動(dòng)態(tài)規(guī)劃
動(dòng)態(tài)規(guī)劃用來計(jì)算最優(yōu)策略，條件是環(huán)境已知。 首先，環(huán)境已知的話，我們可以計(jì)算最優(yōu)的value function：根據(jù)貝爾曼方程： Policy ...
-
有限馬爾科夫決策過程增強(qiáng)學(xué)習(xí)的方法就是用來解決馬爾科夫決策過程。馬爾科夫決策過程描述的是agent和environment的交互過程。 在時(shí)間序列0,1,..t,的...
-
增強(qiáng)學(xué)習(xí)四要素
增強(qiáng)學(xué)習(xí)四個(gè)要素 policy policy指的是一個(gè)函數(shù)或者規(guī)則，輸入為環(huán)境狀態(tài)，輸出為action(Roughly speaking, ...
-
臨時(shí)-20170419
編譯項(xiàng)目 [maven編譯java項(xiàng)目]((http://upload-images.jianshu.io/upload_images/2066...
-
Ad Click Prediction: a View from the Trenches
點(diǎn)擊率預(yù)估 特征工程 主要內(nèi)容 主要介紹在實(shí)際的點(diǎn)擊率預(yù)估的工程過程中，有那些tricks，包括特征工程以及一些特評(píng)價(jià)指標(biāo)- 關(guān)于稀疏模型 單...