liubilan

摘要： 双栏模式下： 单张图： \begin{figure}[h] \centering \includegraphics[width=8.0cm]{successRatio.eps} \caption{\textbf{Success ratio with different algorithms}}\la 阅读全文

摘要： 读写文件 读取文件 1 # 利用pandas读取文件，数据类型为DataFrame； 若需指定分隔符使用sep='',默认',',只能单个字符； 2 data = pd.read_csv(datafile, header=None, usecols=[0, 1, 3, 5, 6, 15]) 3 # 阅读全文

摘要： KPCA：将低维数据 通过核函数 映射至高维空间，而不需要知道具体的转变函数，使原本线性不可分的数据在高维空间中变得线性可分，可以继续使用PCA来进行降维； 明确地说核函数就是计算高维线性可分空间中数据内积的方法，而内积是衡量距离的重要指标，因此通过核函数来描述高维线性空间中数据的性质； 只要对称函 阅读全文

摘要： 连接计算节点：ssh -X name(节点名称 / IP) 下图转载于：https://yangxx.net/?p=3792 阅读全文

摘要： Contents: 通信信道单位 任务大小单位 计算节点计算能力单位 通信信道单位： 百度的时候有看到MHz、bps、bit/s等单位； bps即为bit/s，bit/s是传输速率，Hz是带宽； 1 MHz = 1e6 Hz 时钟频率（HZ）与数据传输速率（bit/s）两者是相同的概念。举例：IIC 阅读全文

摘要： 主成分分析（Principal Component Analysis, PCA），将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。 在实际生活中，为了全面的分析问题，往往提出很多相关的变量因素，因为每个变量都在不同程度上反映了这个课题的某些信息。 指标/变量：在实证问题研究中，为 阅读全文

摘要： Q-learning是强化学习中一种经典的无监督学习方法，通过与环境交互来指导学习； 大部分强化学习都是基于马尔科夫决策（MDP）的。MDP是一个框架，而Q学习是应用了这种框架的一个具体的学习方法。 Q学习的四要素：（agent，状态 s，动作 a，奖励 r） 简而言之，agent从当前状态选择一个 阅读全文

摘要： 其他权重计算方法：https://zhuanlan.zhihu.com/p/112667852 熵权法是一种客观加权法，比主观的加权更具说服力。 熵，描述系统的混乱程度。 在我看来，可以这样理解它：系统混乱，说明了信息的不一致性，而信息又分为我们已知的，和我们未知的。即不需要学习的，和需要学习的。熵 阅读全文

摘要： RL是一个序列化决策过程，核心思想是通过与环境的不断交互学习获得最大回报； 大部分RL方法都是基于MDP的；MDP的本质是获得一个可以使累计收益最大化的策略，并使用该策略选择最佳动作； 动态规划是RL中的一个关键技术，适用于RL中已知模型求解最优策略的特殊情况，主要有 策略迭代 和 值迭代 两种方法 阅读全文

摘要： 题目地址：http://acm.hdu.edu.cn/showproblem.php?pid=6287 Summarize: 1、分解质因数； 2、二分查找函数lower_bound与upper_bound； 3、注意输入输出超时与初始化； 阅读全文