- 博客(2)
- 收藏
- 关注
RSS订阅原创 强化学习之DDPG算法
（另两者为监督学习、无监督学习），核心逻辑是 “智能体（Agent）在环境（Environment）中通过 “试错” 学习，以最大化长期累积奖励（Reward）为目标，逐步找到最优行为策略（Policy）”。：直接输出具体动作（而非概率分布），适用于连续动作空间（如 “施加 30N 的力”“转向 15 度”）。：输入状态和动作，评估该动作的价值（“做得好不好”），指导 Actor 优化。注：还有一种是随机性策略，这种策略输出动作概率，是所有可选动作的概率分布。：输入状态，输出确定性动作（“该做什么”）。
2025-10-14 17:10:27
897
原创 NLP——姓氏分类与机器翻译探秘（前馈神经网络&Transformer）
在本文中，我们将深入挖掘前馈神经网络的核心，特别是多层感知器和卷积神经网络。多层感知器通过层叠感知器单元，提升了我们在前一次实验中学到的简单感知器的功能。卷积神经网络则通过窗口滤波器的灵感，擅长于学习输入数据的局部模式，成为计算机视觉和序列数据处理的重要工具。我们将通过具体案例来展示这些模型的应用，并与允许信息反馈的递归神经网络进行对比。同时，我们将关注数据张量在计算过程中的变化，以加深对神经网络模型的理解。多层感知器（MLP）作为神经网络的基本构建块，是在感知器的基础上发展而来的。
2024-06-26 18:28:45
1208
1
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