本文介绍了模式识别的贝叶斯决策，包括贝叶斯公式、最小错误贝叶斯决策、最小风险贝叶斯决策。 1. 决策理论与方法 1.1. 生成式模型与判别式模型 1.2. 基于先验概率的决策 1.3. 基于贝叶斯公式（后验概率）的决策 2. 最小错误贝叶斯决策 2.1. 直观举例 2.2. 类...
SIRLIS
取消
模式识别（贝叶斯决策）
模式识别（线性分类器）
本文介绍了模式识别的线性分类器，包括线性分类器的基础概念、垂直平分准则以及垂直平分分类器、Fisher 投影准则、感知准则、最小错分样本准则、最小平方误差准则、最小二乘估计。 1. 引言 2. 线性分类器基础 2.1. 线性判别函数 2.2. 广义线性判别函数 2.3. 二分类与多分类 2.4. 线性分类器设计的基...
强化学习（策略梯度法）
本文介绍了强化学习的策略梯度法（Policy Gradient）。 1. 回顾基于价值的强化学习 2. 策略梯度 2.1. 策略函数 2.2. 策略函数的分布形式 2.3. 策略梯度 2.3.1. 回顾价值梯度 2.3.2. 策略梯度 ...
如何清理 .git 文件夹来减小 github 仓库大小
本文介绍了如何清理github本地缓存文件夹来减小 github 仓库大小。 1. github 1.1. git 命令 1.2. github 桌面 1.3. .git 文件夹 2. .git 文件夹清理 2.1. Linux 环境命令行清理 2.2. 跨平台 BFG 工具清...
在 Windows 中部署和使用 WSL 并进行跨平台 C/C++ 开发
本文介绍了如何在 Windows 操作系统中适用微软官方提供的 WSL（Windows Subsystem for Linux） 工具部署 Linux 子系统。 1. 什么是 WSL 1.1. WSL 1 和 WSL 2 1.2. 例外情况（使用 WSL 1 而不是 WSL 2） 2. 安装 WSL ...
航天中的四元数以及姿态运动学
本文介绍了航天器姿态描述、姿态变换和姿态运动学中涉及的四元数表示法。 1. 基础 1.1. 矢量的正交分解 1.2. 叉乘矩阵 1.3. 坐标系定义 2. 轴角旋转 3. 姿态四元数 3.1. 四元数定义 3.2. 四元数表示旋转 3.3. 姿态四元数 ...
使用CMake开发C++工程
本文介绍了使用 CMake（CPack） 和 NSIS 构建并打包 C/C++ 工程项目的基本流程和方法，核心在于 CMakeLists.txt 文件的编写。 1. 引言 1.1. 传统编译 1.2. Make 编译 1.3. CMake 编译 2. 安装 CMake 3. 编写 CMakeLists.tx...
强化学习（值函数近似）
本文首先介绍了值函数近似（Value Approximation），然后分别结合 SARSA 和 Q-Learning 给出了两种 Q 函数近似的方法。通过分析线性函数作为估计函数的局限性，自然引入神经网络来进行非线性函数近似，引出了基于深度学习的 Q 函数估计网络：Deep Q-Network（DQN）。 1. 引言 2. 状态价值函数近似 2.1...
强化学习（时序差分法）
本文首先引入了随机近似理论，然后通过比较动态规划和蒙特卡洛，引出结合二者优势的时序差分法。通过分析可知，时序差分法是随机近似理论的一个特例。随后详细介绍了同轨策略下的时序差分控制（SARSA）、离轨策略下的时序差分控制（Q-Learning）和期望SARSA。最后介绍了基于价值的深度强化学习方法：Deep Q-Network（DQN）。 1. 引言 2. 随机近似理论 ...
强化学习（蒙特卡洛法）
本文介绍了强化学习的 model-free 方法——蒙特卡洛法。 1. 引言 2. 蒙特卡洛法 2.1. 大数定律与蒙特卡洛思想 2.2. 蒙特卡洛基础算法 2.2.1. 蒙特卡洛采样 2.2.2. 蒙特卡洛价值估计 2.2.3. 算法流程 ...