Jay.J.ming-CSDN博客

原创 GCN算法及实例分析

一.GCN前瞻知识1.图卷积计算公式:H(l+1)=σ(D~−12A~D~−12H(l)W(l))\mathrm{H}^{(l+1)}=σ(\widetilde{D}^{-\frac{1}{2}}\widetilde{A}\widetilde{D}^{-\frac{1}{2}}H^{(l)}W^{(l)})H(l+1)=σ(D−21AD−21H(l)W(l))A~=A+I\widetilde{A}=A+IA=A+ID~=∑jA~ij\widetilde{D}=\sum_j\widetilde{A}

2020-09-26 23:48:52 6338 5

原创设计模式——桥接模式详解

一文搞定桥接模式，拒绝标题党

2023-03-13 09:14:11 4783 3

原创 Java学习——Stream流

Java Stream流常用方法

2023-03-05 23:21:12 299

原创 Java设计模式——单例模式，桥接模式，组合模式

Java设计模式之单例模式，桥接模式，组合模式

2023-03-05 21:18:29 231

原创 Java学习——lambda表达式

lambda表达式

2023-03-04 12:10:26 8307 2

原创 Java学习——面向对象基础

java面向对象基础知识，包括两大功能三大特征，修饰符与关键字的解读

2023-02-25 20:24:25 144

原创 Java学习——java基础知识

java从入门到入土每周两篇持续更新中……

2023-02-25 16:25:27 111

转载快速排序（分治思想）(C++)

算法思想第一步：确定分界点分界点可以是任意一点，合理即可第二步：调整区间假设分界点为x，将区间调整为>x和<=x两部分第三步：递归处理左右两段注：对于步骤二，可以暴力解决，也可以通过指针的方法提高效率main函数int main(void) { int n; scanf("%d", &n); if (n <= 0) { puts(""); } vector<int> vec(n); for (int i = 0; i &l

2022-01-03 16:30:41 120

原创 Policy Gradient

简介强化学习是一个通过奖惩来学习正确行为的机制。家族中有很多种不一样的成员，有学习奖惩值，根据自己认为的高价值选行为，比如 Q learning, Deep Q Network, 也有不通过分析奖励值，直接输出行为的方法，这就是今天要说的 Policy Gradient 了。甚至我们可以为 Policy Gradients 加上一个神经网络来输出预测的动作。对比起以值为基础的方法，Policy Gradients 直接输出动作的最大好处就是，它能在一个连续区间内挑选动作，而基于值的，比如 Q-lear

2021-06-30 18:08:28 457

原创基于深度强化学习的长期推荐系统

A deep reinforcement learning based long-term recommender system基于深度强化学习的长期推荐系统ABSTRACT推荐系统旨在最大化长期推荐的整体准确性。然而，现有的推荐模型大多采用静态视图，忽略了推荐是一个动态的顺序决策过程。结果，他们无法适应新的情况，并遭受冷启动问题。虽然顺序推荐方法最近已经得到了关注，但是长期推荐的目标仍然没有被明确地解决，因为这些方法是为短期预测情况开发的。为了克服这些问题，我们提出了一种新的基于深度强化学习的top

2021-04-14 11:43:39 1618

qq_45944185的博客