Q(λ) with Off Policy Corrections 摘要 我们提出并分析了一种off policy的多步骤时间TD学习的替代方法，其中off policy的回报是根据当前的Q函数在奖励方面进行校正，而不是根据目标策略在转移概率方面进行校正。我们证明，只要有一定条件，这种近似修正就足以在 ...
分类：
其他好文 时间：
2020-01-13 19:53:49
阅读次数：
165
记录LINUX7上午模拟考试题目与答案，文章题目与实际考试题目可能有所不同，不过考点基本一致 ...
分类：
系统相关 时间：
2020-01-13 16:08:10
阅读次数：
98
词法单元，中间代码生成，三地址指令，文法定义，语法分析树，二义性，运算符结合性，运算符优先级， ...
分类：
其他好文 时间：
2020-01-08 10:38:28
阅读次数：
115
在之前介绍过mac系统安装docker，以及docker安装mysql的傻瓜式教程，如果有需要参考的朋友，可以看下面文章： MacOS安装Docker傻瓜式教程 mac系统下docker安装配置mysql详细步骤 趁今天有空，准备把redis服务也迁移到docker容器中来，那么在docker安装r ...
分类：
系统相关 时间：
2020-01-03 14:20:40
阅读次数：
193
<!DOCTYPE html> <html> <head> <style> .div1 { height: 45px; line-height: 45px; text-overflow: ellipsis; overflow: hidden; white-space: nowrap; width: ...
分类：
其他好文 时间：
2020-01-01 20:46:08
阅读次数：
86
step 1 选初值。 给定误差$\epsion$和初始点$x_0$, 令$k=0$ step 2 检验终止条件。 计算$d_k=-g_k$, 若$||g_k||<=\epsion$, 则$x^*=x_k$, 停止迭代 step 3 确定步长$\alph_k$, 求$\alph_k$使得 $f(x_ ...
分类：
其他好文 时间：
2020-01-01 17:11:33
阅读次数：
75
牛顿法与最速下降法一样是解无约束最优化问题的最早使用算法， 它的基本思想是用迭代点的梯度和二阶导数对目标函数进行二次函数逼近， 然后把二次函数的极小点作为新的迭代点， 并不断重复这一过程， 直至求出极小点。 设$f(x)$的二阶导数$\round^2f(x)$连续， 它在$x_k$的泰勒展开式前三项 ...
分类：
其他好文 时间：
2020-01-01 17:08:38
阅读次数：
102
新方法： 1.repeat()，表示原字符串重复n次，n为参数，小数取整，无穷报错，负数报错，大于-1取0（空），NaN取0，字符串转成数字。 2.padStart(),padEnd()，补全长度，第一个参数为补充长度，第二个参数为补全字符内容，省略第二个参数则默认以空格补全。常用于补全指定位数和提 ...
分类：
其他好文 时间：
2019-12-31 18:20:01
阅读次数：
55
1.代码 %%超松弛迭代法（此方法适用于大型稀疏矩阵但不适合与病态方程的解 %%线性方程组M*X = b，M是方阵，X0是初始解向量，epsilon是控制精度，omiga是松弛因子 function OIM = Overrelaxation_iterative_method(M,b,X0,epsil ...
分类：
其他好文 时间：
2019-12-30 14:34:32
阅读次数：
103
二分法求根主要应用了区间套定理，这一算法实现简单且结果也迭代的较好，但对于复杂函数其结果不理想 1.代码 %%二分法求根 %%f为函数表达式，interval0为初始区间，epsilon为控制精度 function RD = Roots_dichotomy(f,interval0,epsilon) ...
分类：
其他好文 时间：
2019-12-30 14:11:06
阅读次数：
91
