<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[liuting483926的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/liuting483926</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; liuting483926]]></copyright><item><title><![CDATA[强化学习（第三周）]]></title><link>https://blog.youkuaiyun.com/liuting483926/article/details/81911178</link><guid>https://blog.youkuaiyun.com/liuting483926/article/details/81911178</guid><author>liuting483926</author><pubDate>Fri, 28 Jun 2019 13:32:51 +0800</pubDate><description><![CDATA[强化学习



1、什么是强化学习

强化学习是机器学习的一个重要分支，是多学科多领域交叉的一个产物，它的本质是解决 decision making 问题，即自动进行决策，并且可以做连续决策。

它主要包含四个元素，agent，环境状态，行动，奖励, 强化学习的目标就是获得最多的累计奖励。

类比强化学习和动物学习

训练幼犬的过程有两个要素：

饲养员需要对幼犬发出指令，比如让它“坐着”，

饲...]]></description><category></category></item><item><title><![CDATA[模仿学习（第四周）]]></title><link>https://blog.youkuaiyun.com/liuting483926/article/details/82156530</link><guid>https://blog.youkuaiyun.com/liuting483926/article/details/82156530</guid><author>liuting483926</author><pubDate>Fri, 28 Jun 2019 13:32:32 +0800</pubDate><description><![CDATA[在传统的强化学习任务中，通常通过计算累积奖赏来学习最优策略（policy），这种方式简单直接，而且在可以获得较多训练数据的情况下有较好的表现。然而在多步决策（sequential decision）中，学习器不能频繁地得到奖励，且这种基于累积奖赏及学习方式存在非常巨大的搜索空间。而模仿学习（Imitation Learning）的方法经过多年的发展，已经能够很好地解决多步决策问题，在机器人、 NL...]]></description><category></category></item><item><title><![CDATA[管道堵塞识别与预警 论文笔记]]></title><link>https://blog.youkuaiyun.com/liuting483926/article/details/93992854</link><guid>https://blog.youkuaiyun.com/liuting483926/article/details/93992854</guid><author>liuting483926</author><pubDate>Fri, 28 Jun 2019 13:31:15 +0800</pubDate><description><![CDATA[**
《膏体输送管道压力监测研究》
**
针对膏体充填开采中易出现输送管道堵塞、压力失稳等问题，提出了 1861 工作面
采空区膏体充填管道压力实时在线监测系统的技术方案，并对此进行了详细研究。
论文中是采用

...]]></description><category></category></item><item><title><![CDATA[模仿学习（第四周）]]></title><link>https://blog.youkuaiyun.com/liuting483926/article/details/82157030</link><guid>https://blog.youkuaiyun.com/liuting483926/article/details/82157030</guid><author>liuting483926</author><pubDate>Sat, 01 Sep 2018 21:17:22 +0800</pubDate><description><![CDATA[在传统的强化学习任务中，通常通过计算累积奖赏来学习最优策略（policy），这种方式简单直接，而且在可以获得较多训练数据的情况下有较好的表现。然而在多步决策（sequential decision）中，学习器不能频繁地得到奖励，且这种基于累积奖赏及学习方式存在非常巨大的搜索空间。而模仿学习（Imitation Learning）的方法经过多年的发展，已经能够很好地解决多步决策问题，在机器人、 NL...]]></description><category></category></item><item><title><![CDATA[强化学习（第三周）]]></title><link>https://blog.youkuaiyun.com/liuting483926/article/details/81911939</link><guid>https://blog.youkuaiyun.com/liuting483926/article/details/81911939</guid><author>liuting483926</author><pubDate>Sat, 25 Aug 2018 21:31:46 +0800</pubDate><description><![CDATA[强化学习



1、什么是强化学习

强化学习是机器学习的一个重要分支，是多学科多领域交叉的一个产物，它的本质是解决 decision making 问题，即自动进行决策，并且可以做连续决策。

它主要包含四个元素，agent，环境状态，行动，奖励, 强化学习的目标就是获得最多的累计奖励。

类比强化学习和动物学习

训练幼犬的过程有两个要素：

饲养员需要对幼犬发出指令，比如让它“坐着”，

饲...]]></description><category></category></item><item><title><![CDATA[Django学习第二周]]></title><link>https://blog.youkuaiyun.com/liuting483926/article/details/81637095</link><guid>https://blog.youkuaiyun.com/liuting483926/article/details/81637095</guid><author>liuting483926</author><pubDate>Sat, 18 Aug 2018 21:20:53 +0800</pubDate><description><![CDATA[Django进阶学习

回顾上一章


改变模型需要这三步： 
编辑 models.py 文件，改变模型。 
运行 python manage.py makemigrations 为模型的改变生成迁移文件。 
运行 python manage.py migrate 来应用数据库迁移。
创建超级用户并添加 标题/内容/时间：


python manage.py createsuperuser

c...]]></description><category></category></item><item><title><![CDATA[django学习（第一周）]]></title><link>https://blog.youkuaiyun.com/liuting483926/article/details/81516158</link><guid>https://blog.youkuaiyun.com/liuting483926/article/details/81516158</guid><author>liuting483926</author><pubDate>Sat, 11 Aug 2018 21:15:38 +0800</pubDate><description><![CDATA[Django 学习（第一周）



django初体验



django

目前最流行的python web开发框架。负责处理大部分web开发底层细节。 
优点： 
 - 快速开发：用python开发; 数据库ORM系统 
 - 大量内置应用：后台管理系统admin; 用户认证系统auth; 会话系统sessions 
 - 安全性高：表单验证; SQL注入; 跨站点攻击 
 - 易于扩展


...]]></description><category></category></item></channel></rss>