dlphay的博客

增强学习的理论有规范的解释，使基于心理学和动物行为感知的神经系统科学，解决Agent在环境中如何优化控制。为了把增强学习成功应用在接近复杂的真实世界的情形下，Agent将会面临棘手的任务：对来自环境中的高维感知输入进行有效的模型表示，可以学习过去的经验来应对未知的情形和环境。显然地，人类和其他动物可以通过增强学习和分层感知处理系统的协调组合来解决问题，前者已经通过大量的神经数据得到证明，其中时间差

传统的目标检测任务主要通过人工提取特征模型建立，常用的特征包括：HOG、SIFT、Haar等，特征提取模型之后进行支持向量机或者Adaboost的分类任务，进而得到我们所关注的目标结果。由于特征模型的局限性，我们引入卷积特征，也就是经过卷积神经网络得到的特征信息，包括浅层信息和深层信息，浅层信息指的是：前级的卷积层得到的特征图，感受野更加关注的是图像细节纹理等特征。深层信息包括：后级的卷积层卷积得到的特征图信息，在语义语境方面更加抽象的高层信息。人工神经网络是根据大脑神经突触联接的结构进行信息处理的数学模型

Visualizing and Understanding Convolutional Networks总结Contents反卷积结构选取遮挡敏感性图片内特征相关性分析实验本文为20141024周报。在所有深度网络中，卷积神经网和图像处理最为密切相关，卷积网络在很多图片分类竞赛中都取得了很好的效果，但卷积网调参过程很不直观，很多时候都

https://zhuanlan.zhihu.com/p/21378532?refer=intelligentunit