第3章：有限马尔可夫决策过程 这一章主要读一下鱼书的对应章节 一、引入 在老虎机问题中，无论智能代理采取什么行动，之后要解决的问题都是一样的——寻找最好的老虎机拉动摇杆。 但MDP问题不同。例如，在围棋游戏中，落子后棋盘上的棋子排列会发生变化。智能代理采取的不同行动导致棋局每时每刻都在变化。智能代理需要考虑到棋局的转变，下出最佳的一手。 第2章中我们曾...

第2章：多臂老虎机 一、引入 1. 定义 重复地在k个动作中进行选择。每次做出选择之后，你都会得到一定数值的奖励(return)，奖励由你选择的动作的平稳概率分布产生。你的目标是在某一段时间内最大化总奖励的期望，比方说1000次选择之后。 2. 实例 对于有k个控制杆的老虎机，每一次动作选择就是拉动老虎机的一个控制杆，而奖励就是得到的奖金。通过多次的重复动作选择...

分层全连接神经网络 通俗例子：餐厅点餐系统 1）层级结构 输入层：顾客的基本信息（4个神经元） 年龄（20岁、30岁、40岁…） 性别（男/女） 时间（早餐/午餐/晚餐） 天气（晴天/雨天） 隐藏层1：顾客的可能喜好特征（6个神经元） 喜欢辣食程度 偏好甜食程度 ...

RL-Experiment 在命令行中使用pip等操作需要先激活所要pip的虚拟环境，比如D:\reinforcement-learning-an-introduction-master.venv\Scripts\activate，又如D:\python_code.venv\Scripts\activate，然后才能pip install等操作 千万不要打开cmd...

Prompt: dp算法的回溯是什么意思 Response: 在动态规划（Dynamic Programming, DP）中，回溯（Backtracing）指的是从最终解开始，通过已经计算好的状态信息，向前推导出构造最优解的具体方案。 回溯过程一般包含这些步骤： 首先用动态规划算法求解并填充DP表格 从最终状态开始，根据状态转移方程和已经计算好的值，回溯确定每一步的选择 ...

Prompt: dp算法的回溯是什么意思 Response: 在动态规划（Dynamic Programming, DP）中，回溯（Backtracing）指的是从最终解开始，通过已经计算好的状态信息，向前推导出构造最优解的具体方案。 回溯过程一般包含这些步骤： 首先用动态规划算法求解并填充DP表格 从最终状态开始，根据状态转移方程和已经计算好的值，回溯确定每一步的选择 ...

参考资料 missing-semester只是简单介绍, 正则表达式的更具体的内容参见《正则表达式必知必会》[美] Ben Forta 正则表达式教程 SSH 先打开wsl, 然后输入ssh tuofeilun即可登录 （或用termius） Claude Conversation Prompt: ssh myserver journalctl | grep ssh...

https://missing-semester-cn.github.io/2020/editors/

文件处理 mkdir ...: 创建目录 rm ...: 删除目录 touch ...: 创建文件 echo "..." > ...: 向文件写入（ echo "Some text" > file.txt # 创建新文件或覆盖已有文件 echo "More text" >> file.txt # 追加到文件末尾 ...

FreeCodeCamp Shell Tutorial