1）损失函数（loss）:预测值（y）与已知答案（y_）的差距神经网络优化目标：loss最小三种常见损失函数Ce（Cross Entropy（交叉熵））自定义损失函数Mse（Mean Squared Error ）1.1)均方误差mse：MSE（y_,y）=2/nLoss_mse=tf.reduce_mean(tf.square(y-y_))1.2)自定义损失函数：loss(y_,y)=(根据需要

监督学习和非监督学习算法分类监督学习就是机器用来训练的样本中含有数据（data）和标签(label)。非监督学习就是机器用来训练的样本中只含有数据，而没有与之对应的标签。本文主要区划分了监督学习和非监督学习的算法分类以及使用scikit-learn进行学习的方法。下面是根据不同的情况选择学习方法的步骤：感兴趣的小伙伴可以点这里观看scikit-learn库中函数的使用以及scikit的使用方法。.

概念RL（Reinforcement Learning）–强化学习是指agent(智能体)，通过使未来的道德奖励最大化，来学习在不确定的环境中所要进行的动作。特点强化学习不同于其他机器学范式的区别在于以下几点：1、There is no supervisor,only a reward signal(在ＲＬ中没有监督者，只有一个奖励信号)2、Feedback is delayed,not inst

概念RL（Reinforcement Learning）–强化学习是指agent(智能体)，通过使未来的道德奖励最大化，来学习在不确定的环境中所要进行的动作。特点强化学习不同于其他机器学范式的区别在于以下几点：1、There is no supervisor,only a reward signal(在ＲＬ中没有监督者，只有一个奖励信号)2、Feedback is delayed,not inst

《STMARL: A Spatio-Temporal Multi-Agent Reinforcement Learning Approach for Cooperative Traffic Light Control》，这是中国科学技术大学发表在交通顶级期刊IEEE Transactions on Mobile Computing 2020上的一篇文章。Abstract智能交通灯控制系统的发展是实

学了了tensorflow 中关于函数以及Variable函数的使用，以下是相关代码以及注释。import tensorflow as tfstate=tf.Variable(0,name='variable1')#给定变量的初始值以及名字print(state.name)#打印变量名con=tf.constant(1,name='constant1')#常量值为1new_value=tf.add

《STMARL: A Spatio-Temporal Multi-Agent Reinforcement Learning Approach for Cooperative Traffic Light Control》，这是中国科学技术大学发表在交通顶级期刊IEEE Transactions on Mobile Computing 2020上的一篇文章。Abstract智能交通灯控制系统的发展是实

最近总结了在人工智能中常用的英语词汇，如下：CV(computer vision)–计算机视觉NN(neural network)–神经网络CNN(convolutional neural network)–卷积神经网络BN(batch normalization)–批标准化Pooling–池化Dropout–舍弃Receptive Field–感受野Padding在神经网络中一般表示全0填充Ac

tf.stack()是一个矩阵拼接函数，会根据函数中对应的参数调整拼接的维度。 axis=0,表示在第一个维度及逆行数据的拼接，如1x3和1x3的数据拼接会形成一个形状为2x3的数据。axis=1表示在第二维的数据进行拼接。import tensorflow as tfimport numpy as npa=tf.constant([[1,2,3],[4,5,6]])aa1=tf.constant