DQN
2026-06-15
在先前的Sarsa Q-learning and Dyna-Q算法中,我们始终需要维护一张Q(s,a)的表格,而这在state的数量巨量或者直接为离散情况时,这是不现实的
于是我们尝试用函数来拟合这个表格
从深度学习的学习之中,我们知道,多层感知机是一种很好的拟合函数
今天介绍的DQN算法便可以用来解决这样的情况,我们把函数记为Q_\omega(s,a)
我们把这样的网络记为Q-网络
965 字
|
5 分钟
REINFORCE&ACTOR_CRITIC
2026-06-15
先前我们所涉及的所有算法,都是针对价值函数进行迭代,而策略方面往往仅局限于\epsilon-\text{贪婪算法},几乎不进行更新
我们先介绍基于策略的经典算法:REINFORCE,也就是策略梯度算法
639 字
|
3 分钟
MAB
2026-05-19
首先,基于整个问题给出一个形式化的描述:
多臂老虎机问题不存在state,也就可以建模为一个元组\left\langle A , R \right\rangle,其中:
884 字
|
4 分钟
文物重构技术实践:基于点云的多碎片配准与可视化
2026-04-12
这篇记录的是一次基于点云的文物重构实验。目标很明确:先把一个完整文物的三维点云拆成多个碎片,再人为打乱碎片的位置和姿态,最后只依赖几何信息把它们重新对齐回去。整个过程不是做图像识别,也不是做语义推断,核心是点云配准、刚体变换估计和逐步迭代收敛。
2988 字
|
15 分钟