传统的计算机科学与技术专业、软件工程专业也开设了人工智能方向，而机器学习是其中重要的核心课程，学习和掌握机器学习技术具有巨大的社会需求。但总体上讲，其关注的核心问题是如何用计算的方法模拟人类的学习行为，从历史经验中获取规律(或模型)，并将其应用到新的类似场景中。机器学习是用算法指导计算机利用已知数据自主构建合理的模型，并利用此模型对新的情境给出判断的过程。机器学习则是通过大量数据的输入，机器学习算

这一篇主要就是讲如何利用马尔科夫决策过程(Markov Decision Process)简化强化学习模型；MDP这一篇对应Sutton书的第三章和UCL强化学习课程的第二讲。

概率论证明题

黑色红色：the digitization of a societ➡️create data➡️collect data横轴:amount of labeled data 注意是labeled data(x,y);样本数量通常用m表示，当m非常大时，神经网络算法才会显著领先其他算法;处理小型数据集时，NN优势并不明显.eg1:单层神经网络🏠房子尺寸x 房价yeg2:多层神经网络🏠房子尺寸x1

其实质是采用各种传感器设备采集各种“物”的信息，传输到以互联网为核心的信息网络上，以实现全面感知、信息的智能处理、对“物”的智能控制，完成相应的应用。物联网扩频通信和频谱分配，基于软件无线电和认知无线电的物联网通信体系架构，物联网中的异构网络融合，基于多通信协议的高效能传感器网络，以及IP网络技术是物联网通信技术主要研究的方向。感知控制层的通信目的是将各种传感器设备所感知的信息在较短的通信距离内传

在神经网络中，经常要使用到激活函数，对于激活函数的选用，参考指数族分布文章，根据神经网络的用途及其场景，加上对于激活函数的值域的了解，大致可以选定适合对应用途以及场景的激活函数。对于分类器，最终输出的是输入样本在某一类上的可能性（概率），而概率值一般在[0,1]之间，因而最后一层输出的时候，可以选用值域在[0,1]之间的激活函数，比如sigmoid函数。目录传统的激活函数选择的建议0.前言1.si

感知器不仅仅能实现简单的布尔运算。它可以拟合任何的线性函数，任何线性分类或线性回归问题都可以用感知器来解决。前面的布尔运算可以看作是二分类问题，即给定一个输入，输出0（属于分类0）或1（属于分类1）。目前代码有一处错误❌：NameError: name 'Perceptron' is not defined。感知器算法是一种用于二进制分类的监督学习算法，可以预测数字向量所表示的输入是否属于特定的类

BP全链接神经网络算法权重weights求解公式推导

DHT11数字温湿度传感器是一款含有已校准数字信号输出的温湿度复合传感器。它应用专用的数字模块采集技术和温湿度传感技术，确保产品具有极高的可靠性与卓越的长期稳定性。传感器包括一个电阻式感湿元件和一个NTC测温元件，并与一个高性能8位单片机相连接。因此该产品具有品质卓越、超快响应、抗干扰能力强、性价比极高等优点。每个DHT11传感器都在极为精确的湿度校验室中进行校准。校准系数以程序的形式储存在OTP

LMS algorithm 最小均方算法 梯度下降算法