- 博客(17)
- 收藏
- 关注
原创 输入信号、冲激响应与卷积
扩展一下,系统的冲激响应一般都是缓慢衰减至0的,时间可以延展到无穷,则上边的例子中,假设输入信号到2时刻截止,3时刻及以后都是0,但冲激响应却一直都存在具体数值,则可以通过卷积计算出任意时刻的系统输出。是冲激信号输入到系统后系统的输出,也是系统对外在激励信号的响应模式,这种模式不随外在激励信号的改变而改变,是系统的固有属性。时刻叠加形成的,也即结论:输入信号和系统冲激响应的卷积的本质是历史时刻的输入信号与对应时刻的冲激响应乘积的累加和。并不表示具体时刻,而是表示信号在系统中的时长。时刻的输出就需要经过。
2023-06-15 21:25:05 1916
原创 最大熵模型
目标:在数据为$D=(X,Y) $的情况下,最大熵模型希望建立一个分类模型,该分类模型的独特之处在于其希望在满足数据的先验知识的情况下,模型的熵尽量大(满足数据的条件下,不确定程度最大)熵用于衡量不确定性,一个随机变量XXXXXX的熵的定义为H(X)=−∑xp(x)logp(x)H(X)=-\sum_{x}p(x)logp(x)H(X)=−x∑p(x)logp(x)分类模型是条件概率模型,最大熵模型也是在输入数据的条件下力求熵最大,即条件熵最大。条件熵H(Y∣X)H(Y|X)H(Y∣X)表示在随
2022-04-22 22:05:06 339
原创 中文单栏latex模板
天下苦word久矣!本模板主体内容来自互联网,感谢开源精神。本人添加了参考文献使用方法。单栏文档latex模板,较为通用。环境:texstudio+texlive.%保存为UTF-8编码格式%用xelatex编译 \documentclass[UTF8,a4paper,12pt]{ctexart}\usepackage[left=2.50cm, right=2.50cm, top=2.50cm, bottom=2.50cm]{geometry} %页边距\CTEXsetup[format={
2021-10-21 09:28:22 2429 2
原创 常用算法Python实现
快排arr = [np.random.randint(1,100) for i in range(11)]def quickSort(data): if len(data)<2: return data else: tmp = data[-1] data.pop() left,right = [],[] for item in data: if item <=tmp:
2021-08-09 18:34:46 215
原创 神经网络常见优化算法总结
基于深度学习优化算法进行总结SGD:普通基于一阶梯度下降算法AdaGrad:引入自适应学习率,用普通学习率除以历史梯度的累积均方根来完成对应的学习率自适应RMSProp:在AdaGrad的基础上对历史梯度的累积均方根进行指数衰减,自适应调整学习率,引入动量项,即新的学习方向由历史方向和当前梯度共同决定Adam:带衰减的历史梯度的累积均方根自适应调节学习率由动量项来确定更新方向学习率调节参数和动量项都进行修正...
2021-08-04 22:09:12 747
原创 BAIL论文阅读
BAIL: Best-Action Imitation Learning for Batch Deep Reinforcement LearningX. Chen, Z. Zhou, Z. Wang, C. Wang, Y. Wu, and K. Ross, “BAIL: Best-Action Imitation Learning for Batch Deep Reinforcement Learning,” Advances in Neural Information Processing Syste
2021-06-08 16:24:55 229
原创 RLGC平台使用与避坑
RLGC踩坑RLGC demo运行RLGC demo运行src导入显示占不到包:请1.检查__init__.py文件;2.正确配置sys路径,如下配置是必要的repo_path = os.getcwd()sys.path.append(repo_path)from src.environments.PowerDynSimEnvDef_v7 import PowerDynSimEnv路径问题:pycharm非常强大,可以帮你忽略掉很多奇怪的问题,但在终端中代码就运行不起来。由于os.mk
2021-05-25 15:18:23 668
原创 DDPG源码解读
源码来源主函数分为两个模式,一个测试,一个训练,测试时动作未使用随机噪声,未将样本存进经验池。训练过程中,每个episode内不更新,结束后再更新,最终要的损失函数和梯度计算部分集中在agent.update()函数内。def main(): agent = DDPG(state_dim, action_dim, max_action) ep_r = 0 if args.mode == 'test': agent.load() for i in r
2021-04-26 20:01:36 688
原创 Python 多进程调用示例
Python处理数据时通常会使用multiprocess来提高数据的处理速度,在此记录一下自己使用过的,两个例子使用Pool.map()from multiprocessing.pool import Pool # 进程池from multiprocessing import cpu_countdef long_time_task(para): para0 = para[0] para1 = para[1] reutrn para0+para1p = Pool(p
2021-03-23 10:37:21 329
原创 python 并行化处理多模型多GPU
python 并行化处理多模型多GPU在基于深度网络的各种应用中,串行地遍历超参数组合完成参数优化速度缓慢。在认为指定多个参数组合情况下,使用多核多卡,开并行能够显著加快模型的运行速度。以下为本人使用的一些代码。import osimport torchimport multiprocessing as mpfrom multiprocessing.pool import Pool # 进程池from multiprocessing import cpu_count #获取系统默认CPU内核
2020-08-30 21:46:32 1702
原创 离线安装OneNote for Windows 10
离线安装OneNote for Windows 10在探索了一段时间后,找到了离线安装windows uwp应用的方法,特此记录。准备安装包通过搜索网页版Microsoft Store中的应用,找到有关应用,如下图:之后进入该网页,复制浏览器地址栏https://www.microsoft.com/en-us/p/onenote-for-windows-10/9wzdncrfhvjl#activetab=pivot:overviewtab,但该链接不能用,需要去掉#及后边的内容https://ww
2020-08-11 15:01:20 13551 8
原创 Pytorch使用tensorboard监视网络训练过程
Pytorch作为一大主流深度学习框架,在1.2版本之后自带tensorboard,这为监视训练过程带来了巨大的便利。但目前的教程多数没有写如何动态监视训练过程。在进行了一些探索后,实现了mnist分类训练动态监视这一功能,特此记录。文中分类demo来自https://blog.csdn.net/KyrieHe/article/details/80516737安装或者升级pytorch环境,安...
2020-01-10 13:46:33 3537
原创 Texstudio使用仿sublime text 暗色主题配置
该方法参考自https://tex.stackexchange.com/questions/108315/how-can-i-set-a-dark-theme-in-texstudio,我只是搬运工。步骤:找到C:\Users\USERNAME\AppData\Roaming\texstudio目录下的texstudio.ini文件。注意,当texstudio打开时此文件没有,要关掉texs...
2019-08-19 18:51:49 4262
原创 最小二乘,极大似然和最大后验估计的关系
最小二乘,极大似然和最大后验估计的关系problem:曲线拟合中最基本和最常用的是直线拟合。设x和y之间的函数关系由直线方程y=α+βxy=α+βxy=\alpha +\beta x确定,αα\alpha和ββ\beta分别是截距和斜率。N组数据D={(xi,yi),i=1,2,...,N}D={(xi,yi),i=1,2,...,N}D = \{ ({x_i},{y_i}),i = 1,...
2018-06-15 09:45:30 1264
原创 Matlab逐行写数据到csv
Matlab逐行写数据到csv如图所示,希望通过红色的方框逐行移动,将每一行的数据写入csv文件中,每一行后一列数据又由一个数组组成,由于这里又有字符又有数字,不方便统一处理。且matlab中原有的与excel或csv写有关的函数在逐行写入数据功能上不太好用,可以使用fprintf函数。亲测可用,源码如下。%% author:Alvin Leedata=load('result.ma...
2018-05-02 22:40:30 22101 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人