tostq

最新文章

强化学习从PG到PPO（基于百度飞桨PaddlePaddle+PARL）

带约束进化算法问题分析Constrained Evolutionary Algorithms

动态规划Dynamic Programming的基础解法

强化学习笔记-01强化学习介绍

Weighted Logistic Regression和Youtube时长预估

用Python学习Caffe0. 前言及介绍

用Python学习Caffe4. 设计自己的网络结构

Weighted Logistic Regression和Youtube时长预估

因果诊断原理

用Python学习Caffe2. 使用Caffe完成图像目标检测

用Python学习Caffe8. 网络结构的权重共享量化

自动出价的机制稳定性设计：Robust Auction Design in the Auto-bidding World

机器学习算法笔记6. 降维与主分量分析（PCA）

深度剖析HMM（附Python代码）1.前言及隐马尔科夫链HMM的背景

深度剖析HMM（附Python代码）3.隐马尔科夫链所解决的问题

强化学习从PG到PPO（基于百度飞桨PaddlePaddle+PARL）

Batch Normalization原理介绍

因果诊断原理

强化学习笔记-01强化学习介绍

机器学习算法笔记2. 学习算法与最小均方算法（LMS）

常见激活函数Activation Function的选择

强化学习笔记-01多臂老虎机问题

编写C语言版本的卷积神经网络CNN之一：前言与Minst数据集

机器学习算法笔记4. 支持向量机（SVM）

深度剖析HMM（附Python代码）2.隐马尔科夫链HMM的EM训练过程

用Python学习Caffe8. 网络结构的权重共享量化

强化学习笔记-02多臂老虎机问题

带约束进化算法问题分析Constrained Evolutionary Algorithms

机器学习算法笔记3. 核方法和径向基（RBF网络）

机器学习算法笔记7. 基于信息论的网络

用Python学习Caffe7. 网络结构的修剪

常见损失函数Loss Function的选择(regression problem)

自动出价的机制稳定性设计：Robust Auction Design in the Auto-bidding World

机器学习算法笔记5. 自组织映射SOM

用Python学习Caffe3. 图像训练测试数据集LMDB的生成

用Python学习Caffe5. 生成solver文件

强化学习笔记-03有限马尔可夫决策过程MDP

深度剖析HMM（附Python代码）4.HMM代码测试及hmmlearn介绍

用Python学习Caffe1. 使用Caffe完成图像分类

用Python学习Caffe6. 权重预设预训练及微调