Tag: 学习笔记

强化学习（Reinforcement Learning, RL）是一种让智能体/Agent通过与环境交互、试错学习来获得最优行为策略的机器学习方法。本文用一个简单的 Q-learning 迷宫示例，帮助你快速理解强化学习的基本原理。 强化学习入门：从试错中学习的艺术 Reinforcement Learning 101: The Art of Learning by Trial and Error 深度解析强化学习：Q-Learning算法详解 Deep Dive into Reinforcement Learning: Understanding the Q-Learning Algorithm 机器如何学会自己做决定？强化学习告诉你答案 How …

视频：油管/Youtube | B站/小破站 | 微博视频 | 西瓜视频 | 微信视频号 | X/推特 | 小红书 | Facebook 如何证明 √2 是无理数 — 两种方法（反证法与几何无限下降） “√2 是无理数”这一说法的意思是不存在整数 和 且 ，使得 。 方法一 — 反证法 …

有序数据结构在编程中（尤其是算法竞赛和竞技编程）非常实用。在 Python 中，主要由 Sorted Containers 库提供三种有序数据结构：SortedDict、SortedSet 和 SortedList。 深入理解 Python 有序数据结构：从内置到 SortedContainers Python 有序数据结构完整指南 Python 中的有序列表、字典与集合实战解析 带你玩转 Python SortedContainers 与内置排序结构 Python 开发者必读：SortedContainers 与内置数据结构对比 Python 有序数据结构教程 排序是编程中最常见的操作之一。Python 提供了多种方式来维护有序数据，从内置的列表、集合、堆，到第三方库 sortedcontainers。 本教程将介绍 …

argmax：从未来推理现在 整个机器学习(最优化)，背后的根本数学原理是下面这个公式: arg_max_{x∈X} F(x) 它的含义是：在所有可能的输入 x ∈ X 中，找出让目标函数 F(x) 最大的那个 x。这个公式返回的是最优解 x，而不是最大值本身。 这个公式代表【从未来推理出现在的最佳选择】，因为所有的x有哪些，实际上是没办法穷尽的，以及F有哪些，是未来才知道的。代表一种完全信息视角。 这个和“传统”的数学递推公式是反过来的，传统的递推公式是，利用过去的推理未来的，例如斐波那契额数列 ，假设的是F(n-1)和F(n-2)我们已经知道，我们就可以推理F(n)（这也是动态规划算法的核心）。这个是【利用过去的信息推理未来的】。 因此，机器学习/最优化，本质是预测未来。实际上，arg_max 公式，如果用编程语言来表达，非常好理解： 这个思维方式代表的是“从未来反推现在”：F(x) 是未来某种评估函数，我们假设它存在，并试图找到现在该做什么（x）才能让它最大。 def arg_max(X, F): best_x = None best_score = float('-inf') …

不知道听谁说的：之后的人工智能会和机器人强烈结合，是下一个十年的技术趋势。 “ROS – 机器人操作系统 机器人操作系统 (ROS) 是一套软件库和工具，可帮助您构建机器人应用程序。从驱动程序到先进的算法，以及强大的开发者工具，ROS 可满足您下一个机器人项目的所有需求。而且它完全开源。” ROS 和 ROS 2 简介 ROS（机器人操作系统） 是一个灵活的机器人软件开发框架。它提供工具、库和约定，用于简化在各种机器人平台上构建复杂且可靠的行为。 ROS 2 是 ROS 的下一代版本，解决了实时性能、安全性和多平台支持等问题。其底层使用 DDS（数据分发服务）实现可扩展且可靠的通信。 可以到官网学习：ros.org ROS 中的核心通信概念 Topics（主题） – 用于节点间异步传输流式数据。 Services（服务） – …

C++ 左值（lvalue）、右值（rvalue）与右值引用（rvalue reference） 理解 C++ 中的左值、右值及其引用形式，是掌握现代 C++（尤其是 C++11 以后的移动语义/move和完美转发/perfect forwarding）必不可少的基础。 📌 什么是左值（lvalue） 左值指的是有名字、可寻址的对象，通常可以出现在赋值语句的左侧。 int x = 10; x = 20; // x 是左值 int* p = &x; // 可以取地址 …

C++ assert 与 static_assert 的区别 C++ 提供了两种机制来验证程序中的假设（断言）：assert 和 static_assert。虽然它们看起来类似，但它们在不同的阶段工作，并且用途也不同。 🔍 assert — 运行时检查/断言 assert 用于在程序运行时验证条件是否成立。如果条件为假，程序会打印错误信息并中止运行。 #include <cassert> int divide(int x, int y) { assert(y != 0); // 如果 y …