菜鸡学习记录-CSDN博客

原创【强化学习笔记】强化学习基础入门

原学习视频：【强化学习】一小时完全入门强化学习入门1、什么是强化学习？2、强化学习两点特点：3、强化学习核心问题：4、基于误差来学习5、一个完整的强化学习模型：1、什么是强化学习？强化学习，是近年来机器学习和智能控制领域的主要方法之一。也就是说强化学习关注的是智能体如何在环境中采取一系列行为，从而获得最大的累积回报。基本元素：Agent（与环境互动的主体），Environment（环境），Goal（目标）主要元素：State（状态），Action（行动），Reward（奖励）核心元素：Polic

2021-12-03 09:21:01 348

原创【读书笔记】信息论

原视频：https://www.bilibili.com/video/BV1At411b77D/?spm_id_from=333.788.recommend_more_video.0一个事件对于观察者的不确定性就是熵，获取信息就是在减少熵。比如当小明做一道数学提的时候，ABCD四个选项就是微观态，其中的不确定性是熵，而正确选项就是宏观态。宏观态是不考虑内部细节的状态，而微观态是考虑具体细节的状态能减少熵的是信息，而不能够减少的为噪音。对于已经知道正确答案的人来说，信息并不能减少熵，得到信息也没有

2021-03-03 15:45:08 380 1

原创【读书笔记】学习观1-7

原视频：https://www.bilibili.com/video/BV11t41127zA?from=search&seid=7264771987043688539学习观一、学习的定义与目的二、学习的步骤三、学习误区四、应用误区五、思维导图六、费曼学习法一、学习的定义与目的学习是从有限的例子中找出规律。学习和记忆的区别，学习不是死记硬背。记忆：容量有限，难以集齐学习：找出知识，压缩信息记忆信息是死的，但是学习知识是活的。学习的目的是解决新问题，通过有限的例子理清问题和答案的

2021-02-28 11:38:46 349 1

原创【软件使用】Grammarly 使用指南

软件网站: https://app.grammarly.com/ddocs/984112357文章来自: https://www.zhihu.com/question/373262041 Grammarly是什么？Grammarly是一款在线语法纠正和校对工具，支持Windows、Mac、iOS和Android等多个平台。它能够检查单词拼写、纠正标点符号、修正语法错误、调整语气以及给出风格建议等；对学术写作来说，Grammarly还可以帮助查重。2 Grammarly有哪些功能？2.1 检查单词

2020-12-09 19:12:24 16649

原创【数学知识补充】假设检验

假设检验单个总体的假设检验正态总体总体均值的假设检验已知方差，关于均值检验（u检验）未知方差，关于均值检验（t检验）总体方差的假设检验（x检验）非正态总体大样本下总体均值检验双总体的假设检验两个正态总体均值差检验两个方差已知，关于均值差的检验两个方差未知但相等时，关于均值差的检验大样本条件下非正态总体的均值差检验两样本方差比的检验我们在生活中经常会遇到对一个总体数据进行评估的问题，但我们又不能直接统计全部数据，这时就需要从总体中抽出一部分样本，用样本来估计总体情况。假设检验是先对总体参数提出一个假设值，

2020-10-13 20:34:01 1157

原创【cs231】卷积神经网络

文章目录卷积神经网络简介卷积层池化层全连接层小结卷积神经网络简介卷积神经网络的神经元使用宽度、高度、深度三维排列，保留了图像的空间信息。卷积神经网络主要由三种类型的层构成：卷积层、池化层和全连接层。通过将这些层叠加起来，就可以构建一个完整的卷积神经网络。卷积层卷积层是构建卷积神经网络的核心层，它产生了网络中大部分的计算量。对于未进行零填充的数据体，输出的特征图的大小为（N-F）/stride+1.其中N为数据体尺寸，F为感受野尺寸，stride为步长。但是在卷积的时候，会发现边缘数据的

2020-07-10 20:01:22 612

原创【cs231】反向传输与神经网络

文章目录反向传输简介链式法则小结神经网络简介神经元激活函数全连接层反向传输简介上一章介绍了使用梯度下降法求目标损失函数的最小值。在神经网络模型中反向传播算法的作用就是要求出这个梯度值，从而后续用梯度下降去更新模型参数。反向传播算法从模型的输出层开始，利用函数求导的链式法则，逐层从后向前求出模型梯度。使用反向计算可以避免重复计算，从而加快计算速度。优化的对象是参数，反向传播算法是一种优化参数的方法。链式法则根据链式法则公式：计算整体梯度可以求出每一个局部梯度将结果相乘。上图中绿色的数字为正

2020-07-10 19:56:49 228

原创【cs231】损失函数与优化

第三章损失函数与优化简介损失函数SVM正则化Softmax优化随机搜索梯度优化数值梯度法分析梯度法简介在上一章介绍了图像分类的两种方法，分别是KNN和线性分类。在这一章中则着重介绍了损失函数与优化。损失函数（Loss Function）用于衡量我们对结果的不满意程度。直观地讲，当评分函数输出结果与真实结果之间差异越大，损失函数输出越大，反之越小。损失函数可以量化某个具体权重集W的质量。而最优化的目标就是找到能够最小化损失函数值的W 。我们现在就朝着这个目标前进，实现一个能够最优化损失函数的方法。

2020-07-06 13:06:21 343

原创记录在安装tensorflow时遇到的问题

按照链接中进行Tensorflow的安装链接: Ubuntu16.04 安装Tensorflow-CPU.遇到的问题1、版本不匹配问题markdown与setuptool版本不匹配错误代码：ERROR: markdown 3.1.1 has requirement setuptools>=36, but you’ll have setuptools 20.7.0 wtensorboard的版本不匹配错误代码：ERROR：tensorboard 1.14.0 has requirem

2020-06-28 12:49:18 224

qq_41672274的博客