图学习与强化学习如何结合是个重要的问题，来自东北大学的学者最近发布了《图强化学习》综述，总结了GRL方法的方法描述、开源代码和基准数据集，非常值得关注！图挖掘任务产生于许多不同的应用领域，包括社交网络、交通运输、电子商务等，近年来受到了理论和算法设计界的极大关注。在图数据挖掘任务中，使用正在研究中的强化学习(RL)技术进行了一些开创性的工作。然而，这些图挖掘算法和RL模型分散在不同的研究领域，难以对不同的算法进行比较。在本综述中，我们提供了RL模型和图挖掘的全面概述，并将这些算法推广到图强化学习(GRL)作为一个统一形式化。我们进一步讨论了GRL方法在各个领域的应用，并总结了GRL方法的方法描述、开源代码和基准数据集。最后，提出了未来可能需要解决的重要方向和挑战。这是对GRL文献进行全面考察的最新成果，为学者提供了一个全球视野，也为该领域以外的学者提供了学习资源。此外，我们为想要进入这个快速发展的领域的感兴趣的学者和想要比较GRL方法的专家创建了一个在线开源软件。
2022-04-16 09:07:40
1.08MB
1
采用烟花优化算法优化（FWA）优化LSTM回归预测，全中文注释，内置数据集，直接matlab2019中运行就可以。
2022-04-16 09:07:27
765KB
采用差分进化算法（Differential Evolution）优化LSTM回归预测，全中文注释，内置数据集，可以matlab2019上直接运行（已测试）
2022-04-16 09:07:26
766KB
采用粒子群优化算法（pso）优化LSTM回归预测，全中文注释，内置数据集，可以直接在MATLAB2019上直接运行。
2022-04-16 09:07:26
766KB
课程分享—商业分析全攻略——用数据分析方法解决商业问题视频教程下载，课程分为5个部分讲解。
一、前言
1、商业分析、数据分析、数据挖掘、人工智能的关联与区别
2、数据分析从业者，如何走上商业分析之路
3、产品、运营、销售、营销、风控、供应链管理人员，需掌握多少商业分析的技能
二、概念篇——数据分析是这样帮助企业解决商业问题的
三、思维篇——如何找到分析商业问题的思路
四、工具篇——分析商业问题的六种工具
五、套路篇——常用商业分析指标与分析套路
2022-04-15 17:02:59
565B
1