论文
weixin_45650561
这个作者很懒,什么都没留下…
展开
-
卸载旧版本的CTEX
如何完全卸载CTEX如何下载旧版本的CTEX最近写文章,自动化学报要求用ctex,所以下载了官网的ctex安装包,安装后发现版本太老了,想卸载后安装最新版本的,,结果,,,,,,,,,发现卸载不了,,寻找解决办法又消耗了一下午的时间。现在将解决办法记录下来,以供大家参考:如何下载旧版本的CTEX寻找之路很麻烦,,但是操作很简单:(1)Windows+R,然后输入regedit;(2)用注册表搜索先搜索ctex,删除所有对应的键值;(3)然后再搜索2.04.006,会找到一个键值,其对应的安装信息原创 2021-06-18 17:27:10 · 2469 阅读 · 0 评论 -
paper4-DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills
DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills1、文章理解2、收获3、总结1、文章理解2、收获3、总结原创 2020-09-15 21:59:50 · 243 阅读 · 0 评论 -
paper3-Asynchronous Methods for Deep Reinforcement Learning
这里写目录标题一、新收获1、对文章段落的理解和收获abstract(1). Introduction(2). Related Work(3). Reinforcement Learning Background(4). Asynchronous RL Framework(5). Experiments(6). Conclusions and Discussion二、总结一、新收获1、对文章段落的理解和收获abstract(1). Introduction(2). Related Work(3).原创 2020-09-01 20:51:14 · 147 阅读 · 0 评论 -
paper2-Policy Gradient Methods for Reinforcement Learning with Function Approximation
Policy Gradient Methods for Reinforcement Learning with Function Approximation一、新收获1、对文章段落的理解和收获abstract(1)、Policy Gradient Theorem二、问题残留--待解决1、三、结束一、新收获1、对文章段落的理解和收获abstract直接指出policy gradient是根据期望奖励的梯度更新参数的。本文提出的主要新方法为:梯度可以 以近似作用值(an approximate act原创 2020-08-05 09:56:59 · 582 阅读 · 0 评论 -
paper 1:Playing Atari with Deep Reinforcement Learning
Playing Atari with Deep Reinforcement Learning新收获问题残留--待解决1、强化学习中的online,offline,on-policy,off-policy是什么意思,有什么区别?2、卷积神经网络的参数啥的还没有弄明白。结束本来打算把这篇文献翻译一下,然后再把自己的理解和问题写出来,但是百度一下,会发现有许多翻译,所以便把翻译的念头打消了,就写一下自己看这篇文献的收获和目前自己还存在的问题(以后把这些问题有解决的,会同步在这里更新的)。想看文献翻译的,推荐下原创 2020-07-28 11:15:35 · 80 阅读 · 0 评论