函数、老虎机、强化学习优化问题的辨识与区别

柏舟 新冠5年 01-11 559

区别：是否存在先验的模型，奖励函数是否可观测。有无足够的信息决定了最终是否需要平衡搜索、当前收益和未来。

线性泛函分析中向量空间和LQR、对偶空间的物理含义

柏舟 新冠5年 01-05 661

从泛函的向量空间理解LQR，以及对张量的协变、逆变的理解。

毛主席在我心里是个怎样的人

柏舟 新冠4年 12-26 521

在国际象棋上复现AlphaZero的设计和失败的心得

柏舟 新冠4年 12-19 757

AlphaZero是一种以MCTS为基础的使用模仿学习的强化学习方法，适用于奖励函数难以建模的情形。国际象棋动作空间建模很复杂。复现策略拟合还算成功，但是局势判断拟合失败。

新冠纪元的源起和我的哲学体系

柏舟 新冠4年 12-03 623

我的哲学体系解决两个时代问题：人工智能意味着什么？现代文明是什么？

线性代数、数列和微分方程特征值的含义，连续与离散的关系，零空间与稳定性

柏舟 新冠4年 11-30 639

把线性代数、常微分方程、自动控制原理连续起来，简单举了一个物理一个赛博的例子。

从Python、C#、Java谈不可变类型和可变类型的赋值

柏舟 新冠4年 11-27 495

不可变类型（值类型）和可变类型（引用）的赋值行为有很大差异，具体表现在副作用的影响、装箱上。

大雨的夜和纷乱的心

柏舟 新冠4年 11-05 518