greenmoss的博客

原创 龙芯LoongArch架构Linux系统 安装gdb

gdb安装

原创 [C++ Primer][1-2] 变量和基本类型

C++ Primer 中文版 （第5版）电子工业出版社C++ 11文章目录第一章 开始第二章 变量和基本类型第三章 字符串、向量和数组第一章 开始标准库iostream定义了4个IO对象：cin、cout、cerr（输出警告和错误）、clog（输出程序运行时的一般性信息，存入日志文件中）；std::cerr << "Error!" << std::endl;std::cout << "Enter two numbers: " &lt.

原创 x86-汇编-寄存器

3.4 基本的程序执行寄存器IA-32中提供了16个常见的寄存器：8个32位的通用寄存器：用于存储操作数和指针数据寄存器：EAX、EBX、ECX、EDXEAX-操作数和结果数据的累加器EBX-指向DS段中数据的指针，基址寄存器ECX-字符串和循环操作的计数器EDX-I/O指针ESI—指向DS寄存器指向的段中数据的指针；字符串操作的源指针EDI—指向ES寄存器指向的段中的数据（或目标）的指针；字符串操作的目标指针ESP-堆栈指针（在SS段中）EBP-指向堆栈上数据的指针（在SS段中

原创 【论文 AAAI 2020】强化学习投资组合 + 自然语言处理

论文题目：Reinforcement-Learning Based Portfolio Management with Augmented Asset Movement Prediction States会议： The Thirty-Fourth AAAI Conference on Artificial Intelligence (AAAI-2020) （CCF A）目录abstractintroductionRelated WorkBackground and Problem Formulatio

原创 【论文 KDD 2018】Investor-Imitator: A Framework for Trading Knowledge Extraction

论文题目：Investor-Imitator: A Framework for Trading Knowledge Extraction论文链接：https://dl.acm.org/doi/10.1145/3219819.3220113会议： The 24th ACM SIGKDD International Conference on Knowledge Discovery Data Mining, 2018，(CCF A）目录摘要1. 介绍摘要本文中，我们提出了基于强化学习的投资者-模仿

原创 【论文 KDD 2019】AlphaStock: A Buying-Winners-and-Selling-Losers Investment Strategy using...

论文题目：AlphaStock: A Buying-Winners-and-Selling-Losers Investment Strategy using Interpretable Deep Reinforcement Attention Networks论文链接：https://dl.acm.org/doi/abs/10.1145/3292500.3330647会议： In The 25th ACM SIGKDD Conference on Knowledge Discovery Data Min

原创 【论文 CCF C】An Adaptive Box-Normalization Stock Index Trading Strategy Based on Reinforcement Learning

原创 【论文 AAAI 2020】An Imitative Deep Reinforcement Learning Approach

论文题目：Adaptive Quantitative Trading: An Imitative Deep Reinforcement Learning Approach论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/5587会议：Proceedings of the AAAI Conference on Artificial Intelligence. 2020, 34(02): 2128-2135. (AAAI’2020)目录Abstr

原创 算法导论 — 思考题15-5 编辑距离

题目：分析：a：字符串x的下标范围[0, 1, 2, ..., m]，y的下标范围[0, 1, 2, ..., n]；二维数组d[i, j]为距离矩阵，用于计算两点之间的编辑距离，我们的目标是求x和y的编辑距离，即d[m, n]；二维数组option[i, j]用于存储每一步的操作；dict_cost为每种操作的代价，字典格式；分析不同操作的条件和代价：如果1 <= i <= m 且 1 <= j <= n:copy if x[i - 1] ==

原创 DRQN论文解读

论文题目：Deep Recurrent Q-Learning for Partially Observable MDPs论文链接：https://arxiv.org/abs/1507.06527目录AbstractIntroductionDeep Q-LearningPartial ObservabilityDRQN ArchitectureStable Recurrent UpdatesAtari Games: MDP or POMDP?Flickering Atari GamesEvaluatio

原创 【论文 CCF C】An adaptive portfolio trading system

An adaptive portfolio trading system: A risk-return portfoliooptimization using recurrent reinforcement learning with expectedmaximum drawdown期刊：Expert Systems With Applications 87 (2017) 267–279论文链接：An adaptive portfolio trading system: A risk-return

原创 【论文 CCF C】Multi-DQN: An ensemble of Deep Q-learning agents for stock market forecasting

Expert Systems With Applications 164 (2021) 113820论文链接：Multi-DQN: An ensemble of Deep Q-learning agents for stock market forecasting目录摘要1. Introduction2. Background and related work2.1. Reinforcement learning 略2.2. Reinforcement trading3. Proposed appro

原创 【论文 CCF C】A Q-learning agent for automated trading in equity stock markets

Expert Systems with Applications 163 (2021) 113761论文链接A Q-learning agent for automated trading in equity stock markets目录摘要1. 介绍2. 方法2.1 马尔可夫过程 Markov Decision Process2.2 强化学习2.3 Q-learning2.4 Technical analysis of stocks3. Proposed system3.1 Proposed mo

原创 ubuntu下用指定python版本的pip安装第三方包

指定python版本使用pip安装第三方包：sudo python3.6 -m pip install tensorflow==1.14.0

原创 python3.8 用国内镜像安装tensorflow

python3.8 用国内镜像安装tensorflowpip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow

原创 Autoware结构概览

目录1.SensingCameraLiDARRADARIMUGPS/GNSS2.计算 Computing2.1 感知 Perception1）定位 Localization2）检测 Detection3）预测 Prediction2.2 决策 Decision1）Intelligence2）State2.3 计划 Planning1）Mission2）MotionActuation 执行模块1.SensingCameraLiDARRADARIMUGPS/GNSS2.计算 Computing

原创 机器学习[李宏毅]-笔记7-Brief Introduction of Deep Learning

本节课程幻灯片链接目录

原创 机器学习[李宏毅]-笔记6-Logistic Regression

本节课程幻灯片链接目录

原创 机器学习[李宏毅]-笔记5-Classification

目录

原创 机器学习[李宏毅]-笔记4-Gradient Descent

目录

原创 机器学习[李宏毅]-笔记3-Basic Concept

目录1.误差来源：偏差(bias)和方差(variance)2.数理统计的相关内容3.不同模型对应的bias和variance4.如何处理underfitting和overfitting5.模型的选择5.1 交叉验证(Cross Validation)5.2 N折交叉验证(N-fold Cross Validation)1.误差来源：偏差(bias)和方差(variance)error有两个来源，一个来自bias（偏差），另一个来自variance（方差）；f^\hat ff^​为最佳的函数

原创 机器学习[李宏毅]-笔记2-Regression:Case Study

应用场景股票预测：输入股市的历史数据，输出明天股市的预测值；无人驾驶：输入图片，输出方向盘的角度；产品推荐：输入使用者和商品，输出该使用者购买该商品的可能性；

原创 机器学习[李宏毅]-笔记1-Course Introduction

视频链接：https://www.bilibili.com/video/BV1JE411g7XFRegression：函数输出为数值Classification：分类Supervised Learning：有监督学习，需要给机器做一些训练，需要有Labeled Data；Loss：损失函数，评价函数好坏，结果越小越好；机器需要找出Loss最低的函数；Reinforcement Learning：强化学习；Unsupervised Learning：无监督学习，给机器一堆数据，数据没有标注；