240 发简信
IP属地:上海
  • 120
    SARSA时序差分学习方法

    什么是SARSA SARSA算法的全称是State Action Reward State Action,属于时序差分学习算法的一种,其综合了动态规划算法和蒙特卡洛算法,比仅...

  • 贝尔曼方程与两类值函数

    贝尔曼方程与两类值函数 为了评估一个策略的期望回报,我们定义两个值函数:状态值函数和状态-动作值函数。 状态值函数 折扣率的引入 有终止状态的情况 总回报的引入方式如下:假设...

  • Ubuntu下多版本Python环境管理

    virtualenvwrapper库的安装与配置 查看当前环境 Python的执行文件位于/usr/bin/目录下,可以进入该目录查看当前安装的Python版本有哪些: 通过...

  • Custard拥塞控制算法论文解读

    该论文的全称为“Internet Congestion Control via Deep ReinforcementLearning”,收录于NIPS 2018。 该论文提出...

  • Indigo拥塞控制算法发送端代码解读

    Indigo拥塞控制算法发送端代码解读 本文章将不定时进行更新,欢迎收藏。 相关源文件 Indigo拥塞控制算法集成于Pantheon拥塞控制算法测试平台中,该测试平台由斯坦...

个人介绍
国贼禄蠹,须眉浊物。