当前位置： 首页 > article >正文

机器学习 | 强化学习方法分类汇总 | 概念向

article 2026/1/25 0:46:44

文章目录

  • 📚Model-Free RL vs Model-Based RL
    • 🐇核心定义
    • 🐇核心区别
  • 📚Policy-Based RL vs Value-Based RL
    • 🐇核心定义
    • 🐇 核心区别
  • 📚Monte-Carlo update vs Temporal-Difference update
    • 🐇核心定义
    • 🐇核心区别
  • 📚On-Policy vs Off-Policy
    • 🐇核心定义
    • 🐇核心区别

参考学习视频：强化学习方法汇总 (Reinforcement Learning)

  • 包含AI生成内容，感谢D老师❤️

📚Model-Free RL vs Model-Based RL

🐇核心定义

  • Model-Free RL
    • 不依赖环境模型，直接通过试错学习策略（Policy）或价值函数（Value Function）。智能体无需知晓状态转移概率或奖励函数，仅通过与环境交互的经验（如状态、动作、奖励序列）进行学习。
    • 典型算法：Q-Lear

相关文章：

机器学习 | 强化学习方法分类汇总 | 概念向

文章目录 📚Model-Free RL vs Model-Based RL🐇核心定义🐇核心区别📚Policy-Based RL vs Value-Based RL🐇核心定义🐇 核心区别📚Monte-Carlo update vs Temporal-Difference update🐇核心定义🐇核心区别📚On-Policy vs Off-Policy🐇核心定义🐇核心区别…...

编程日记 2026/1/15 1:15:18

构件与中间件技术：概念、复用、分类及标准全解析

以下是对构件与中间件技术相关内容更详细的介绍： 一、构件与中间件技术的概念 1.构件技术 定义：构件是具有特定功能、可独立部署和替换的软件模块，它遵循一定的规范和接口标准，能够在不同的软件系统中被复用。构件技术就是以构…...

编程日记 2025/11/26 21:15:36

【随手笔记】QT避坑一（串口readyRead信号不产生）

问题描述： 使用QT5.15.2版本 测试串口readyRead绑定槽函数，接收到数据后 不能触发 试了很多网友的程序，他们的发布版本可以，但是源码我编译后就不能触发，判断不是代码的问题 看到有人提到QT版本的问题，于…...

编程日记 2026/1/22 21:19:34

基于 RabbitMQ 优先级队列的订阅推送服务详细设计方案

基于 RabbitMQ 优先级队列的订阅推送服务详细设计方案 一、架构设计 分层架构： 订阅管理层（Spring Boot）消息分发层（RabbitMQ Cluster）推送执行层（Spring Cloud Stream）数据存储层（Redis + MySQL）核心组件： +-------------------+ +-------------------+ …...

编程日记 2025/11/27 12:42:11

5.11 GitHub API调试五大高频坑：从JSON异常到异步阻塞的实战避坑指南

GitHub API调试五大高频坑：从JSON异常到异步阻塞的实战避坑指南 关键词：GitHub API 调试、JSON 解析异常、提示工程优化、异步任务阻塞、数据清洗策略 5.5 测试与调试：调试常见问题 问题1：GitHub API 调用异常 现象： requests.exceptions.HTTPError: 403 Client Error…...

编程日记 2025/11/28 16:55:05

反序列化漏洞介绍与挖掘指南

目录 反序列化漏洞介绍与挖掘指南 一、漏洞核心原理与危害 二、漏洞成因与常见场景 1. 漏洞根源 2. 高危场景 三、漏洞挖掘方法论 1. 静态分析 2. 动态测试 3. 利用链构造 四、防御与修复策略 1. 代码层防护 2. 架构优化 3. 运维实践 五、工具与资源推荐 总结 反…...

编程日记 2026/1/18 20:02:03

【产品】ToB产品需求分析

需求分析流程 合格产品经理 帮助用户、引导用户、分析需求、判断需求、设计方案 不能苛求用户提出合理、严谨的需求，这不是用户的责任和义务，而应该通过自己的专业能力来完成需求的采集工作 #mermaid-svg-ASu8vocank48X6FI {font-family:"trebuche…...

编程日记 2026/1/22 23:17:36

驱动开发硬核特训 · Day 10 （理论上篇）：设备模型 ≈ 运行时的适配器机制

🔍 B站相应的视屏教程： 📌 内核：博文视频 - 总线驱动模型实战全解析 敬请关注，记得标为原始粉丝。 在 Linux 驱动开发中，设备模型（Device Model）是理解驱动架构的核心。而从软件工程…...

编程日记 2026/1/23 5:47:44

AWS服务器 磁盘空间升级到100G后，怎么使其生效？

在AWS（Amazon Web Services）上扩展EBS（Elastic Block Store）卷的大小后，服务器操作系统并不会自动识别新增的空间。要使操作系统识别并使用新增的磁盘空间，您需要进行一些额外的步骤。以下是详细的指导和说…...

编程日记 2026/1/19 15:23:29

flutter 打包mac程序 dmg教程

✅ 前提条件 ✅ 你已经在 macOS 上安装了 Android Studio Flutter SDK。 ✅ Flutter 支持 macOS 构建。 运行下面命令确认是否支持： Plain Text bash 复制编辑 flutter doctor ---## 🧱 第一步：启用 macOS 支持如果是新项目，…...

编程日记 2026/1/22 16:46:54

【数据结构与算法】——堆（补充）

前言 上一篇文章讲解了堆的概念和堆排序，本文是对堆的内容补充 主要包括：堆排序的时间复杂度、TOP 这里写目录标题 前言正文堆排序的时间复杂度TOP-K 正文 堆排序的时间复杂度 前文提到，利用堆的思想完成的堆排序的代码如下（包…...

编程日记 2026/1/22 19:46:22

atypica.AI：用「语言模型」为「主观世界」建模

人们不是在处理概率，而是在处理故事。 —— 丹尼尔卡尼曼 People dont choose between things, they choose between descriptions of things. —— Daniel Kahneman 商业研究是一门理解人类决策的学问。人并不只是根据纯粹理性做决策，而是受到叙事、情…...

编程日记 2026/1/22 17:11:10

LLaMA-Factory双卡4090微调DeepSeek-R1-Distill-Qwen-14B医学领域

unsloth单卡4090微调DeepSeek-R1-Distill-Qwen-14B医学领域后，跑通一下多卡微调。 1，准备2卡RTX 4090 2，准备数据集 医学领域 pip install -U huggingface_hub export HF_ENDPOINThttps://hf-mirror.com huggingface-cli download --resum…...

编程日记 2026/1/22 19:39:23

【WPF】自定义控件：ShellEditControl-同列单元格编辑支持文本框、下拉框和弹窗

需要实现表格同一列，单元格可以使用文本框直接输入编辑、下拉框选择和弹窗，文本框只能输入数字，弹窗中的数据是若干位的二进制值。 本文提供了两种实现单元格编辑状态下，不同编辑控件的方法： 1、DataTrigger控制控件的…...

编程日记 2026/1/22 11:16:15

21天Python计划：零障碍学语法（更新完毕）

目录 序号标题链接day1Python下载和开发工具介绍https://blog.csdn.net/XiaoRungen/article/details/146583769?spm1001.2014.3001.5501day2数据类型、字符编码、文件处理https://blog.csdn.net/XiaoRungen/article/details/146603325?spm1011.2415.3001.5331day3基础语法与…...

编程日记 2025/11/29 17:08:13

深入剖析C++单例模式的八种实现演进与工程实践

深入剖析C单例模式的八种实现演进与工程实践 一、从基础到工业级：单例模式的演进图谱 1.1 基础实现的致命缺陷分析 // 初级版（非线程安全） class NaiveSingleton { public:static NaiveSingleton* getInstance() {if (!instance) {instanc…...

编程日记 2025/12/29 21:47:17

Seq2Seq - GRU补充讲解

nn.GRU 是 PyTorch 中实现门控循环单元（Gated Recurrent Unit, GRU）的模块。GRU 是一种循环神经网络（RNN）的变体，用于处理序列数据，能够更好地捕捉长距离依赖关系。 ⭐重点掌握输入输出部分输入张量&#…...

编程日记 2026/1/22 16:20:54

从零开始学Python游戏编程19-游戏循环模式1

在《从零开始学Python游戏编程18-函数3》中提到，可以对游戏代码进行重构，把某些代码写入函数中，主程序再调用这些函数，这样使得代码程序更容易理解和维护。游戏循环模式实际上也是把代码写入到若干个函数中，通过循环的…...

编程日记 2026/1/22 19:32:59

KWDB创作者计划—KWDB认知跃迁：多模架构与AI原生的数据库范式革命

引言：从存储到认知的范式迁移 在数字化转型进入深水区的2025年，全球每日新增数据量已突破3.5ZB，传统数据库的"存储-计算"二分法正面临根本性挑战。当AlphaFold4实现蛋白质全序列预测，工业数字孪生需处理百万级设备实时数…...

编程日记 2025/11/27 13:09:15

Java获取终端设备信息工具类

在很多场景中需要获取到终端设备的一些硬件信息等，获取的字段如下： 返回参数 参数含义备注systemName系统名称remoteIp公网iplocalIp本地ip取IPV4macmac地址去掉地址中的"-“或”:"进行记录cpuSerialcpu序列号hardSerial硬盘序列号drive盘符…...

编程日记 2026/1/22 19:38:42

【Linux网络与网络编程】08.传输层协议 UDP

传输层协议负责将数据从发送端传输到接收端。 一、再谈端口号 端口号标识了一个主机上进行通信的不同的应用程序。在 TCP/IP 协议中，用 "源IP"，"源端口号"，"目的 IP"，"目的端口号"&…...

编程日记 2026/1/22 18:48:40

没音响没耳机，把台式电脑声音播放到手机上

第一步，电脑端下载安装e2eSoft VSC虚拟声卡（安装完成后关闭，不要点击和设置） 第二步，电脑端下载安装（SoundWire Server）（安装完成后不要关闭，保持默认配置） 第…...

编程日记 2026/1/22 19:41:16

Dubbo（53）如何在Spring Boot中集成Dubbo？

在Spring Boot中集成Dubbo可以通过Spring Boot Starter来简化配置&#xff0c;以下是详细的步骤和相关代码示例。 1. 引入依赖 首先&#xff0c;在Spring Boot项目的 pom.xml 中添加Dubbo相关的依赖&#xff1a; <dependencies><!-- Spring Boot Starter --><…...

编程日记 2026/1/14 14:08:40

go学习记录（第一天）

%v&#xff0c;和%q是什么意思 %v —— 默认格式&#xff08;"value" 的缩写&#xff09; 作用&#xff1a;按值的默认格式输出&#xff0c;适用于任何类型。 代码示例&#xff1a; fmt.Printf("%v\n", "Hello") // 输出: Hello fmt.Printf…...

编程日记 2026/1/12 22:43:21

XDocument和XmlDocument的区别及用法

因为这几天用到了不熟悉的xml统计数据&#xff0c;啃了网上的资料解决了问题&#xff0c;故总结下xml知识。 1.什么是XML?2.XDocument和XmlDocument的区别3.XDocument示例1示例2&#xff1a;示例3&#xff1a; 4.XmlDocument5.LINQ to XML6.XML序列化(Serialize)与反序列化(De…...

编程日记 2026/1/22 18:46:05

error: failed to run custom build command for `yeslogic-fontconfig-sys v6.0.0`

rust使用plotters时遇到编译错误。 一、错误 error: failed to run custom build command for yeslogic-fontconfig-sys v6.0.0 二、解决方法 我用的是opensuse&#xff0c;使用下面命令可以解决问题。 sudo zypper in fontconfig-devel...

编程日记 2025/11/29 4:10:41

Blender安装基础使用教程

本博客记录安装Blender和基础使用&#xff0c;可以按如下操作来绘制标靶场景、道路标识牌等。 目录 1.安装Blender 2.创建面板资源 步骤 1: 设置 Blender 场景 步骤 2: 创建一个平面 步骤 3: 将 PDF 转换为图像 步骤 4-方法1: 添加材质并贴图 步骤4-方法2&#xff1a;创…...

编程日记 2026/1/22 18:45:49

GPT-4、Grok 3与Gemini 2.0 Pro：三大AI模型的语气、风格与能力深度对比

更新后的完整CSDN博客文章 以下是基于您的要求&#xff0c;包含修正后的幻觉率部分并保留原始信息的完整CSDN博客风格文章。幻觉率已调整为更符合逻辑的描述&#xff0c;其他部分保持不变。 GPT-4、Grok 3与Gemini 2.0 Pro&#xff1a;三大AI模型的语气、风格与能力深度对比 …...

编程日记 2025/11/28 14:32:17

【Git】从零开始使用git --- git 的基本使用

哪怕是野火焚烧&#xff0c;哪怕是冰霜覆盖&#xff0c; 依然是志向不改&#xff0c;依然是信念不衰。 --- 《悟空传》--- 从零开始使用git 了解 Gitgit创建本地仓库初步理解git结构版本回退 了解 Git 开发场景中&#xff0c;文档可能会经历若干版本的迭代。假如我们不进行…...

编程日记 2026/1/23 12:04:39

spring mvc 中 RestTemplate 全面详解及示例

RestTemplate 全面详解及示例 1. RestTemplate 简介 定义&#xff1a;Spring 提供的同步 HTTP 客户端&#xff0c;支持多种 HTTP 方法&#xff08;GET/POST/PUT/DELETE 等&#xff09;&#xff0c;用于调用 RESTful API。核心特性&#xff1a; 支持请求头、请求体、URI 参数的…...

编程日记 2025/11/28 11:37:13