Angry_Panda - 博客园

【转载】混合智能

摘要：原文地址： https://blog.csdn.net/qq_25551743/article/details/82348856 一谈起人工智能，总是围绕着机器学习谈起，我这里提一个概念：混合智能。什么意思呢？混合智能识把机器学习和传统的算法结合的一种智能。举个例子：图片中的文字识别，注意这里不是单阅读全文

posted @ 2019-03-21 14:15 Angry_Panda 阅读(284) 评论(1) 推荐(0)

【转载】 DeepMind用ReinforcementLearning玩游戏

摘要：原文地址： https://blog.csdn.net/wishchin/article/details/42425145 原文： http://dataunion.org/?p=639 1.引言说到机器学习最酷的分支，非Deep learning和Reinforcement learning莫阅读全文

posted @ 2019-03-19 11:54 Angry_Panda 阅读(385) 评论(0) 推荐(0)

【转载】大规模寻路算法优化

摘要：原文地址： http://gameinstitute.qq.com/article/detail/10043 最近在学A* 算法，在网上看到了这么一个博客，感觉有些意思，虽然看不太懂，但是感觉这个idea还是很不错的，最主要的是出来没有见过这么个法子来处理问题的，这个分层A* 算法有种要人眼前一阅读全文

posted @ 2019-03-13 19:52 Angry_Panda 阅读(2482) 评论(7) 推荐(1)

【转载】 A* 寻路算法 (个人认为最详细,最通俗易懂的一个版本)

摘要：原文地址： http://www.cppblog.com/christanxw/archive/2006/04/07/5126.html 原文地址： http://www.gamedev.net/reference/articles/article2003.asp 概述虽然掌握了 A* 算法的人认阅读全文

posted @ 2019-03-13 18:23 Angry_Panda 阅读(3616) 评论(0) 推荐(2)

【转载】 2017秋招小结

摘要：最近看到一篇博客，感觉还是很不错的，虽然我现在又出现回到学校继续读书，但是毕竟经历过工作和各种面试、校招、打比赛，虽然水平平平，能力不济，但是当年的日子还是蛮值得怀念的。于是网上看到了这一片博客后颇有感触，当年找完工作也本想着写一些面试的心得、经历的，现在想想这个想法也只是停留在想的阶段了，所以看到阅读全文

posted @ 2019-03-13 13:58 Angry_Panda 阅读(303) 评论(0) 推荐(0)

启发式搜索A-Star算法【寻找最短路径算法】【地理几何位置可利用的情况】

摘要：在处理最短路径问题时，有一种启发式算法是我们应该了解的，由于其有着优秀的探索效率在各自现实项目中多有应用，它就是 A-star 算法，或 A* 算法。个人观点： A* 算法并不保证找到的路径一定是最短路径，但该方法由于运算效率高所以使用较广。如果出发点和终点之间存在可到达路径，则使用A*算法必然会阅读全文

posted @ 2019-03-12 11:17 Angry_Panda 阅读(2726) 评论(0) 推荐(0)

强化学习基础算法入门【PPT】

摘要：该部分内容来自于定期的小组讨论，源于师弟的汇报。阅读全文

posted @ 2019-03-10 16:28 Angry_Panda 阅读(707) 评论(0) 推荐(0)

深度强化学习介绍【PPT】 Human-level control through deep reinforcement learning （DQN）

摘要：这个是平时在实验室讲reinforcement learning 的时候用到PPT，交期末作业、汇报都是一直用的这个，觉得比较不错，保存一下，也为分享，最早该PPT源于师弟汇报所做。阅读全文

posted @ 2019-03-10 15:31 Angry_Panda 阅读(2295) 评论(0) 推荐(1)

【论文 PPT】【转】Human-level control through deep reinforcement learning（DQN）

摘要：最近在学习强化学习的东西，在网上发现了一个关于DQN讲解的PPT，感觉很是不错，这里做下记录，具体出处不详。阅读全文

posted @ 2019-03-10 13:15 Angry_Panda 阅读(763) 评论(0) 推荐(0)

强化学习中的无模型基于值函数的 Q-Learning 和 Sarsa 学习

摘要：强化学习基础：注：在强化学习中奖励函数和状态转移函数都是未知的，之所以有已知模型的强化学习解法是指使用采样估计的方式估计出奖励函数和状态转移函数，然后将强化学习问题转换为可以使用动态规划求解的已知模型问题。强化学习问题由于采用了MDP数学形式来构建的，由此贝尔曼方程式是我们最常用的，如下：阅读全文

posted @ 2019-03-06 22:11 Angry_Panda 阅读(2085) 评论(0) 推荐(0)

Angry Panda（T-800）

公告

导航