1 什么是 PyTorch?PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：NumPy 的替代品，可以利用 GPU 的性能进行计算。深度学习研究平台拥有足够的灵活性和速度2 Tensors (张量)一些tensor运算：import torchx = torch.empty(2,4) # 或者 x = torch.Tensor(2,4)y = torch.ones(2,4

【强化学习纲要】学习笔记系列Markov Chain → Markov Reward Process（MRP）→ Markov Decision Processes（MDP）MDP基本假设：环境是完全可观测的MDP可以用于处理最优控制问题，根据环境确定出最佳控制策略部分可观测的问题可以转化为MDPMarkov Process未来状态依赖于给定的历史状态历史状态：ht={s1,s2,…,st}h_t

模型介绍

1 最近邻规则给定集合包含n对数，(x1,t1)(\bold x_1,t_1)(x1​,t1​), …，(xn,tn)(\bold x_n,t_n)(xn​,tn​)，其中xi\bold x_ixi​为实数，t_i属于集合{1,…，M}\{1,…，M\}{1,…，M}，每个xi\bold x_ixi​是同一测量规则得到的iiith个独立量，而每个tit_iti​是对应的样本类别上述规则可以简称为：

1 概率密度函数对于一个连续的概率密度方程，p(x)p(x)p(x)，满足下列特性：处理a和b两点之间的x满足：P(a<x<b)=∫abp(x)dxP(a<x<b) = \int_a^b p(x)dxP(a<x<b)=∫ab​p(x)dx对于所有实数x，其值是非负的概率函数的积分为1，即有：∫∞∞p(x)dx=1\int_\infty^\infty p(x)dx

交通仿真器是自动驾驶技术发展的重要支撑。交通仿真器可以在虚拟环境中仿真各种交通场景和车辆行驶情况，从而提高测试效率、降低测试风险、提高测试准确性和加速开发周期，是自动驾驶技术验证和优化的重要手段之一。**LimSim是由上海人工智能实验室智能交通（平台）团队研发的仿真器，名称缩写于“长期 Long-term、交互式 Interactive、多场景 Multi-scenario交通仿真器 Simul

Connected and automated vehicle systems: Introduction and overview By Steven E. Shladover (2017)智能化和网联化系统可以提升交通系统运行水平，但是大众媒体往往混淆了CV和AV的概念，本文旨在解释二者直接区别，并指出潜在的协同作用。CV发展已超过15年，通过DSRC的建设和应用来提升交通系统。AV发展此起披

原文链接: https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter01_DL-intro/deep-learning-intro机器学习与深度学习通俗来说，机器学习是一门讨论各式各样的适用于不同问题的函数形式，以及如何使用数据来有效地获取函数参数具体值的学科。深度学习是指机器学习中的一类函数，它们的形式通常为多层神经网络。近年来，仰仗着大数据集和强

1 模型描述（1）语言模型的定义，来自于维基百科统计式的语言模型是一个几率分布。语言模型提供上下文来区分听起来相似的单词和短语。例如，短语“再给我两份葱，让我把记忆煎成饼”和“再给我两分钟，让我把记忆结成冰”听起来相似，但意思不同。语言模型经常使用在许多自然语言处理方面的应用，如语音识别，机器翻译，词性标注，句法分析，手写体识别和资讯检索。由于字词与句子都是任意组合的长度，因此在训练过的语言模型中

AI, Artificial Intelligence, 人工智能API, Application Programming Interface, 应用程序编程接口AR, Augmented Reality, 增强现实IDE, Integrate Development Environment， 集成开发环境CEM, Customer Experience Management, 客户体验管理eMB