aloml - 简书

发简信

aloml

0
关注
1
粉丝
1
文章
12

字数
0

收获喜欢

IP属地：北京

aloml

同选择了lsquic，请问楼主有没有测试过连接迁移的特性呢？

lsquic 发送大文件
背景: lsquic官方demo提供一个发送单个消息的示例. 本文介绍基于lsquic api(准确来说是回调函数)发送大文件. 发送大文件和发送单条消息的区...

自由侠
2108 4 1
aloml

策略梯度(Policy Gradient)
简述强化学习方法主要分为两类，一类是Model-based，另外一种是Model free，如图所示：而Model Free中又包含两种方法，其中一种是基于策略的角度考虑...

倒着念
4947 0 3

aloml

2019-03-22
github没整好，这里临时记录test

177 0 0
aloml

@IT·互联网
若锦编，67466 篇文章，2648321 人关注

Hi，很高兴在@IT·互联网专题遇见你。收录范围：收录IT&互联网行业观察与思考，数码产品极客体验分析等类型文章投稿须知：//www.greatytc.com/p/4edc76104c27 专题主编：@若锦 //www.greatytc.com/u/e4c63b354a77 官方社群：可联系添加 @若锦加入专题官方社群交流、学习，添加时备注简书ID。
aloml

自然科普
刷牙喝凉白开编，7430 篇文章，2025834 人关注

自然科普专题收录与推荐标准请参考: //www.greatytc.com/p/e38bf5116797 如因为一些可改动的问题被拒稿，请在修改后简信联系主编：刷牙喝凉白开，主编审核后将收录符合要求的文章；如在了解收录标准后仍对拒稿有异议，也可简信联系主编。《自然科普月刊》将恢复发刊，欢迎大家踊跃投稿，投稿可发链接给主编。专题长期招募副编。副编招募信息见下： //www.greatytc.com/p/9d116265ccc1
aloml

深度强化学习
小赛TT 编，19 篇文章，23 人关注

关注深度强化学习方面的应用，定期会写论文总结。
aloml

深度强化学习（Deep Reinforcement Learning）
935ca16aa5da 编，14 篇文章，543 人关注

最近比较火热的深度强化学习

aloml

增强学习Reinforcement Learning
海街diary 编，12 篇文章，36 人关注

本专栏参照《Reinforcement Learning：An Introduction》介绍一些自己在增强学习中的体会。由于英语交流需求，更多强化学习的笔记请移步www.liziniu.org。
aloml

暂无个人介绍