![](../../asset/images/user/bgImg_default.jpeg)
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
flink理论干货笔记(1)
8. 通过批处理来模拟流处理,会导致开发和运维相互交错,而且这种技术的潜在问题是,时间由系统中生成小批量作业的那一部分全权控制,spark streaming也不能完全避免,而且有糟糕的用户体验,说到底还是无法做到真实时,代码之外还需要大量性能调优。94. 阿里对flink的贡献(一): 重构了flink的分布式架构,将job调度和资源管理做了清晰的分层和解耦,使的flink可以跑在不同的资源管理
蒙特卡洛树搜索(Monte Carlo Tree Search)揭秘
MCTS能够非常聪明的去探索胜率较高的路径,和dfs这类暴力穷举算法比起来,可以花费较少的运算资源,就能达到不错的效果,尤其对于围棋这类每步棋都有200种左右选择的游戏,使用MCTS的效果非常显著。但与此同时也要指出,MCTS并不能保证一定找到最佳路径和着法。AlphaGo和李世石比赛就输了一盘,说明不一定能百分百找到最优解。不过论整体胜率,AlphaGo和AlphaGoZero已远远超过了人类。
![文章图片](https://img-blog.csdnimg.cn/3a523617812f49f5bef686e1594caae3.png)
HMM算法(Hidden Markov Models)揭秘
HMM的许多应用中,隐变量具有重要的含义,因此有必要找到已知观测序列对应的最有可能的隐状态序列。例如在语音识别中,需要找到给定声音对应的最有可能的文本序列。由于HMM是一个有向图,该问题可以用最大-求和算法(max-sum algorithm)精确处理。
![文章图片](https://img-blog.csdnimg.cn/direct/c746e590da8742de8faaccdc4f095312.png)
到底了