HTM是一种以捕捉新大脑皮层的结构与算法特性为目标的机器学习技术,旨在模拟新大脑皮层的工作原理，将复杂的问题转化为模式匹配与预测.
作者搜集了关于htm算法的一些资料，包括论文，书籍，论文代码，htm的python库Nupic等。
2022-01-16 10:25:23
96.26MB
1
作者：刘建平
编辑：田 旭
前 言
在强化学习（四）用蒙特卡罗法（MC）求解中，我们讲到了使用蒙特卡罗法来求解强化学习问题的方法，虽然蒙特卡罗法很灵活，不需要环境的状态转化概率模型，但是它需要所有的采样序列都是经历完整的状态序列。如果我们没有完整的状态序列，那么就无法使用蒙特卡罗法求解了。本文我们就来讨论可以不使用完整状态序列求解强化学习问题的方法：时序差分(Temporal-Difference, TD)。
时序差分这一篇对应Sutton书的第六章部分和UCL强化学习课程的第四讲部分，第五讲部分。
章节目录
时序差分TD简介
时序
2022-01-12 13:37:03
279KB
1
数字抢答器由主体电路与扩展电路组成。优先编码电路、锁存器、译码电路将参赛队的输入信号在显示器上输出；用控制电路和主持人开关启动报警电路，以上两部分组成主体电路。通过定时电路和译码电路将秒脉冲产生的信号在显示器上输出实现计时功能，构成扩展电路。经过布线、焊接、调试等工作后数字抢答器成形。
2022-01-09 15:23:14
55KB
1
背景：
用python画AR模型的时序图。
结果：
代码：
import numpy as np
import matplotlib.pyplot as plt
AR(1)的时序图：x[t]=a*x[t-1]+e
num = 2000
e = np.random.rand(num)
x = np.empty(num)
平稳AR(1)
a = -0.5
x[0] = 2
for i in range(1,num):
x[i] = a*x[i-1]+e[i]
plt.subplot(321,title = AR({0}):x[t]={1}*x[t-1]+e
2022-01-08 15:19:04
96KB
1