sjjsaaaa的博客

实现一个Deep Q-learning Network（二叉树状态DQN）代码主要解决的问题：有0-6，7个状态，从上图是他们可以状态跳转的方向和关系。我们设定状态6是最终GDAL，目标，训练agent能够从状态0，通过若干次的训练，他能够知道捷径是什么：0-2-6.但一开始agent是不知道的。源代码：源代码每一行都有注释，有助于理解。import numpy as np #导入科学计算库GENMAX=4000 #学习循环次数STATENO=7 #状态数ACTIONNO=2 #动作

Tensorflow keras 极简神经网络构建与使用Keras在希腊语中意为号角，它来自古希腊和拉丁文学中的一个文学形象。以 mnist 数据集为例, 构建一个神经网络实现手写数字的训练与测试, 首先我们需要认识一下 mnist 数据集, mnist 数据集有 6 万张手写图像, 1 万张测试图像. Keras 通过 datase 来下载与使用 mnist 数据集, 下载与读取的代码如下:mnist = keras.datasets.mnist(train_images, train_label

序贯决策问题图示：马尔科夫决策过程序贯决策，主要的方法是：马尔科夫决策过程。一个马尔可夫过程叫：MDP。一个MDP由一个五元组构成：S A P R rS 是所有状态的集合A 是所有动作的集合P 是某状态S’在某A‘动作下的转移概率策略P就是在状态S下做A的概率多大。R 是奖励r 是回报有时候也用G标示（gain）当前状态，当前要做的动作，以及下一个状态，三者共同决定环境反馈给智能体，什么样的R（奖励），通常R是标量函数，返回一个标量，标量对应的向量

TensorFlow 框架特性与安装选择TenSorflow的原因：TensorFlow 作为谷歌重要的开源项目，其未来的社区热度应该是容易保证的。1 简介TensorFlow 是一个采用数据流图（ data flow graphs ），用于数值计算的开源软件库点（ nodes ）在图中表示数学操作，图中的线（ edges ）则表示在节点间相互联系的多维数据数组，即张量（tensor 它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个 CPU （或 GPU ）、服务器、移动设备等

深度强化学习概念：ARPG0.1世界的构造背景：决策、计划及更复杂的任务需要更高水平的智能。更强的人工智能系统还需要具备推理、思考和规划能力。深度学习=深度神经网络+数据平衡+各类体系化的优化算法、自动超参数策略等。一、机器学习是什么机器学习从学习的种类来说，最常见的我们习惯分作两种，一种叫无监督学习，一种叫有监督学习。无监督学习：是指人们在获得训练的向量数据后在没有标签的情况下尝试找出其内部蕴含关系的一种挖掘工作，这个过程中使用者除了可能要设置一些必要的超参数以外，不用对这些样本做任何的标记甚