![](https://img-blog.csdnimg.cn/3a70d7cead4c4426a2718f7755d3090d.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
资料积累
文章平均质量分 73
主要介绍平时学习到的相关知识点的积累
panbaoran913
学习Python,深度学习,强化学习的知识
有时间看私聊和回答问题
私聊我问题请写好题目
展开
-
【排序算法】python之冒泡,选择,插入,快速,归并
本文介绍5种常见的排序算法和基于Python实现.原创 2023-08-03 12:24:23 · 1373 阅读 · 0 评论 -
【latex】usepackage的各种包简介(持更)
latex中的这种包作用简介。方便理解排版问题原创 2022-09-09 22:03:14 · 5878 阅读 · 0 评论 -
【索引】图神经论文之GCN(持更)
GNN中三种基础神经网络:GCN, GAT, GraphSAGE.代表了3种聚合的思想。这是我的个人理解(不权威)。然随着图神经网络的快速发展,在图神经网络种添加各种组件、搭建新结构或着引入新方法等越来越多,逐渐令人眼花缭乱。特此,在这里整理相关论文,加以梳理,使脉络清晰。提醒:这里的论文大多涉及交通领域。...原创 2022-08-06 16:02:41 · 1181 阅读 · 0 评论 -
[MDP]gridword
######################################################################## Copyright (C) ## 2016-2018 Shangtong Zhang(zhangshangtong.cpp@gmail.com) ## 2016 Kenta Shimada(hyperkentakun@gmail原创 2022-04-23 21:38:06 · 163 阅读 · 0 评论 -
【stgcn】代码pytoch解读(三)
stgcn.py代码结构图(a)是全体结构:包括两个ST-conv Block+Output Layer原创 2022-02-26 17:31:55 · 1586 阅读 · 0 评论 -
【梯度下降】zero_grad (二)
参考链接:https://www.jb51.net/article/189433.htmhttps://www.jianshu.com/p/c59b75f1064c如果不了解梯度下降的原理,请参考(一)一、zero_grad的用途零梯度可改变:可利用requires_grad_()方法修改tensor的requires_grad属性.可以调用.detach()或with torch.no_grad():,姜不再计算张量的梯度,跟踪张量的历史记录.这点在评估模型、测试模型阶段中常常用到.用法原创 2022-02-25 21:29:05 · 5254 阅读 · 0 评论 -
【梯度下降】原理和过程(一)
损失函数用来衡量机器学习模型的精确度。一般来说,损失函数的值越小,模型的精确度就越高。如果要提高机器学习模型的精确度,就需要尽可能降低损失函数的值。而降低损失函数的值,我们一般采用梯度下降这个方法。所以,梯度下降的目的,就是为了最小化损失函数。原创 2022-02-25 17:20:29 · 1663 阅读 · 0 评论 -
[latex]overfull溢出、File notFound、unicode character
一、overfull溢出Overfull \hbox (1.23637pt too wide) in paragraph问题来源:查看编译后的pdf,发现该行超出了该有的边界,故需要解决。解决方法:** 如果是文字:截断单词即可二、File not found文件不存在Package pdftex.def Error: Filegraph_rela.png’ not found: using draft setting. …aphics[width=1\linewidth]{graph_r原创 2022-02-09 23:23:46 · 5580 阅读 · 1 评论 -
[python]根据两点经纬度求距离
数据的精度处理from decimal import *getcontext().prec = 9 # 默认精度为9自定义函数法一:用三角函数+角度from math import radians, cos, sin, asin, sqrt## lng表示经度;lat表示纬度def geodistance(lng1,lat1,lng2,lat2): # 118.793547 32.054243 # 118.793547 32.054243 lng1 = Decimal原创 2022-01-29 21:57:14 · 976 阅读 · 0 评论 -
[MDP]的案例gridworld
MDP的案例一、Grid world参考连接:https://www.jianshu.com/p/b392405115bb网格世界(Grid World)规则:网格中的每一个小格都对应于环境中的状态. 在一个小格上, 有 4 种可能的动作: 北移, 南移,东移, 西移, 其中各个动作都确定性地使智能体在网格上沿对应的方向移动一格. 如果所采取的动作将令智能体脱离网格, 那么该动作的结果为智能体的位置保持不变, 且造成 −1 的奖赏. 除了上述动作与将智能体移出特殊状态 A 与 B 的动作外, 其他的原创 2021-11-28 16:13:38 · 1129 阅读 · 1 评论 -
【Antorgrad】使用Tensor 及Antograd实现机器学习
使用Tensor 及Antograd实现机器学习节选自《python深度学习:基于pytorch》因对自动求导不太了解,所以特查看此书,并做好笔记.重点是非标量反向传播,对应的是多元函数的方向传播问题!!!要点:创建叶子节点(leaf node)的Tensor,使用requires_grad参数指定是否记录对其的操作,以便之后利用backward()方法进行梯度求解.requires_grad参数的缺省值为False,如果对其求导设置为True,然后与之有依赖关系的节点会自动变为True.可原创 2021-11-21 23:32:39 · 882 阅读 · 0 评论 -
Adam优化算法
参考连接:https://www.bilibili.com/video/BV1bD4y197EE?from=search&seid=2812665294799649680一、常用的优化方法Momentum方法:通过添加栋梁,提高收敛速度。Nestrov方法:在进行当前更新前,先进行预演一次,从而找到一个更加适合当前情况的梯度方向和幅度。Adagrad方法:让不同的参数拥有不同的学习率,并且通过引入梯度的平方和作为衰减想,而在训练过程中自动降低的学习率。AdaDelta方法:对Adagra原创 2021-08-20 22:01:26 · 886 阅读 · 0 评论 -
parl.DQN(世界冠军带你从零实践强化学习)
重要知识链接,看不懂必看https://zhuanlan.zhihu.com/p/149448907https://blog.csdn.net/Castlehe/article/details/112799566课程原视频地址:https://aistudio.baidu.com/aistudio/education/lessonvideo/1607114以下是根据视频和各路大神得总结而作,如果不正确,还望批评改正!!!!一、DQN使用得背景知识由于Q表格无法应对状态过多的问题,所以这里提出原创 2021-08-04 21:16:32 · 607 阅读 · 0 评论 -
强化学习(三) 优化原理
参考链接:https://blog.csdn.net/liweibin1994/article/details/79093453一、动态规划求Q和V我们的目标是要得到最优策略,使得累积回报函数最大。因此我们的强化学习的优化方法有两种:基于策略的优化(类似于上一篇chap2中的Q*(s,a)的优化)基于累积回报函数的优化(类似于上一篇chap2中V*(s)的优化)1.1 策略评估(迭代法)问题:评估一个给定的策略π。bellman方程:Vπ(s)=Eπ(Rt+1+γVπ(st+1)∣St原创 2021-07-30 11:47:24 · 978 阅读 · 0 评论 -
强化学习二-举例理解概念
MDP(离散型)概念理解(二)一、说明基础概念假设一个节点得状态空间为 S={0,1,2,3,...,13}S=\{0,1,2,3,...,13\}S={0,1,2,3,...,13},动作空间为A={−2,−1,0,1,2}A=\{-2,-1,0,1,2\}A={−2,−1,0,1,2},其中初始得一个策略为π(a∣s)={0.8,s<=5,−Imax≤a<00.2s<=5,a=00.85<s<Zv−5,a=00.15<s<Zv−5,a<00.15&l原创 2021-07-28 22:23:51 · 204 阅读 · 0 评论 -
强化学习(一)案例grid world
MDP的案例一、Grid world参考连接:https://www.jianshu.com/p/b392405115bb网格世界(Grid World)规则:网格中的每一个小格都对应于环境中的状态. 在一个小格上, 有 4 种可能的动作: 北移, 南移,东移, 西移, 其中各个动作都确定性地使智能体在网格上沿对应的方向移动一格. 如果所采取的动作将令智能体脱离网格, 那么该动作的结果为智能体的位置保持不变, 且造成 −1 的奖赏. 除了上述动作与将智能体移出特殊状态 A 与 B 的动作外, 其他的原创 2021-07-20 19:22:01 · 4013 阅读 · 11 评论 -
【积】有向图中的louvain社区检测(二)
有向图中的louvain社区检测一、模块度概念公式可以简化为:ΔQ=Si,inw−∑totinSiout+∑totoutSiinw2\Delta Q=\frac{S_{i,in}}{w}-\frac{\sum_{tot}^{in}S_{i}^{out}+\sum_{tot}^{out}S_{i}^{in}}{w^2}ΔQ=wSi,in−w2∑totinSiout+∑totoutSiin二、算法修改louvain算法分为循环迭代两个阶段。具体的算法思路与无向加权网络相同。可以看上一原创 2021-06-30 21:36:46 · 4275 阅读 · 17 评论 -
【积】louvain社团检测算法(python)代码图片双解(一)
louvain社团检测算法(python)Louvain算法共两篇,一篇为无向的代码解析,另一篇为有向的原理解析原创 2021-06-30 16:43:21 · 7947 阅读 · 63 评论 -
【积】时间序列得相似性
参考链接:https://blog.csdn.net/xsdxs/article/details/86648605https://zhuanlan.zhihu.com/p/117634492论文中应用:时间序列相似性的度量方法可分为三类:(1)基于时间步长的,如反映逐点时间相似性的欧氏距离;(2)基于形状,如Dymanic Time Warping(Berndt和Clifford 1994)根据趋势出现;(3)基于变化的,如高斯混合模型(GMM) (Povinelli等人,2004),它反原创 2021-03-06 21:45:12 · 2836 阅读 · 0 评论 -
[积]优秀的语言
1.【交通流】现有框架通常利用给定的空间邻接图和复杂的机制来建模空间和时间相关性。然而,具有不完全相邻连接的给定空间图结构的有限表示可能会限制这些模型的有效时空依赖性学习。此外,在解决复杂的时空数据时,现有的方法已经无能为力:它们通常利用独立的模块来实现空间和时间相关性,或者它们只使用独立的组件来捕获局部或全局的异构依赖关系。原文:Spatial-temporal data forecasting of traffic flow is a challenging task because of comp原创 2021-04-13 15:04:20 · 67 阅读 · 0 评论 -
【积】我的GCNs
我的GCN一、基础了解1.1 GCNs的应用节点分类(node classification)相关文献Higher-Order Graph Convolutional Architectures via Sparsified NeighborhoodMixing.Demo-net: Degree-specific graph neural networks for node and graph classification.图形分类(graph classification)原创 2021-04-13 15:14:31 · 169 阅读 · 0 评论 -
【积】fast-DTW及其代码详解
fast-DTW用于时间等序列的求解距离.在解说中适合一个单特征的时间序列,在附录中修改了距离函数从而适合多个特征的时间序列。且距离函数用的是L1距离。如果是其他距离函数,修改即可。原创 2021-05-13 21:39:13 · 10840 阅读 · 1 评论