發(fā)簡信
IP屬地：上海
-
SARSA時序差分學習方法什么是SARSA SARSA算法的全稱是State Action Reward State Action，屬于時序差分學習算法的一種，其綜合了動...
-
貝爾曼方程與兩類值函數
貝爾曼方程與兩類值函數 為了評估一個策略的期望回報，我們定義兩個值函數：狀態(tài)值函數和狀態(tài)-動作值函數。 狀態(tài)值函數 折扣率的引入 有終止狀態(tài)的情...
-
Ubuntu下多版本Python環(huán)境管理
virtualenvwrapper庫的安裝與配置 查看當前環(huán)境 Python的執(zhí)行文件位于/usr/bin/目錄下，可以進入該目錄查看當前安裝的...
-
Custard擁塞控制算法論文解讀
該論文的全稱為“Internet Congestion Control via Deep ReinforcementLearning”，收錄于N...
-
Indigo擁塞控制算法發(fā)送端代碼解讀
Indigo擁塞控制算法發(fā)送端代碼解讀 本文章將不定時進行更新，歡迎收藏。 相關源文件 Indigo擁塞控制算法集成于Pantheon擁塞控制算...