学习

KLayout学习记录（一）学习 KLayout 软件记录

强化学习DQN算法DQN 概述 DQN 简述 DQN 算法主要的算法流程是将神经网络与 Q learning 算法结合 利用神经网络强大的表征能力 将高维的输入数据作为强化学习中的 state 作为神经网络模型 Agent 的输入 随后神经网络模型输出每个动作对应的价值 Q 值 得到将要执行的动作 强化学习的目标是通过学习从而获得最大的奖励 接下来将分成神经网络近似价值函数 求解价值网络以及 DQN 算法效果 3 个方面简要概述 1 神经网络近似价值函数当状态空间和动作空间低维离散时 可以采用基于表格的方法进行求解 当状态空间和动作空间

OFDM学习笔记（四）（信道估计简介）相干解调在实际中应用的比差分解调多很多 而信道估计作为相干解调的主要技术就尤为重要 信道估计器是接收机一个很重要的组成部分 在 OFDM 系统中 信道估计器的设计上要有两个问题 一是导频信息的选择 由于无线信道的时变特性 需要接收机不断对信道进行跟踪 因此导频信息也必须不断的传送 二是既有较低的复杂度又有良好的导频跟踪能力的信道估计器的设计 在确定导频发送方式和信道估计准则条件下 寻找最佳的信道估计器结构 在实际设计中 导频信息的选择和最佳估计器的设计通常又是相互关联的 因为估计器的性能与导频信息

线性回归 – 机器学习多元线性回归 – 一步一步详解 – Python代码实现目录数据导入单变量线性回归绘制散点图相关系数 R 拆分训练集和测试集多变量线性回归数据检验 判断是否可以做线性回归 训练线性回归模型先甩几个典型的线性回归的模型 帮助大家捡起那些年被忘记的数学 单变量线性回归 h x theta0 theta1 x1 多变量线性回归 h x theta0 theta1 x1 theta2 x

初学使用vs2019和pycharm配置opencv的坑，以及对学习opencv的看法最近在学习 opencv 今天中秋有空把之前遇到的坑分享出来对于 opencv 来说 我感觉用 python 写比较容易 因为他函数直接用就可以了 代码量没有那么多不过 opencv 是基于 c 写的 所以用 c 写应该更好 看个人喜好了 我觉得用哪个学习都可以 反正写法和函数是差不多的 pycharm python 配置 opencv 特别容易 直接安装库就可以了不想用 pycharm 的可以用 pipinstal

哈工大2022机器学习实验一：曲线拟合本博客采用 python 的 numpy 库 用四种方式实现用多项式拟合曲线

2019.1.29 今天又在学习【小程序】总体来看 跟前端开发没什么区别 应该很快可以搞定了

IndexDB学习cookiecookie 是保存在客户端本地的纯文本文件 其核心目的是为了解决服务器无法识别用户身份的问题 HTTP 协议是无状态的 cookie 工作原理客户端发送一个请求到服务器服务器发送一个 HttpResponse 响应到客户端 其中包含 Set Cookie 的头部客户端保存 cookie 之后向服务器发送请求时 HttpRequest 请求中会包含一个 Cookie 的头部服务器返回响应数据可以在浏览器调试栏中的 Headers 和 Cookies 中查看 cookie 的属性属性项

交叉熵损失函数公式_详解机器学习中的损失函数之交叉熵本文始发于个人公众号 TechFlow 原创不易 求个关注今天这篇文章和大家聊聊机器学习领域的熵 我在看 paper 的时候发现对于交叉熵的理解又有些遗忘 复习了一下之后 又有了一些新的认识 故写下本文和大家分享 熵这个概念应用非常广泛 我个人认为比较经典的一个应用是在热力学当中 反应一个系统的混乱程度 根据热力学第二定律 一个孤立系统的熵不会减少 比如一盒乒乓球 如果把盒子掀翻了 乒乓球散出来 它的

英语音标学习英文字母 共 26 个 名称音 指的是字母在字母表 26 个 中的发音发音 指的是字母在单词中的发音元音字母 同一个字母在不同的单词中会有不同的发音 比如字母 a 辅音字母 同一个字母在不同的单词中发音一致 比如字母 p 音标 共 48 个 单词发音的最小单位 一个单词的发音是由多个音标组合成的 每个音标都有自己的读法和写法 每个英文字母都能找到对应的音标 每个音标都能找到相应的字母