从随机数产生开始讲述蒙特卡洛方法的原理，大致实施步骤，并以随机过程模拟等为例，示范蒙特卡洛方法的应用场景。
有少量matlab代码，可供参考。
有少量matlab代码，可供参考。
2024/4/28 12:36:30
854KB
1
非序贯蒙特卡洛模拟法通常被称为状态抽样法，它被广泛用在电力系统风险评估中。
这个方法的依据是，一个系统状态是所有元件状态的组合，且每一元件状态可由对元件出现在该状态的概率进行抽样来确定。
这个方法的依据是，一个系统状态是所有元件状态的组合，且每一元件状态可由对元件出现在该状态的概率进行抽样来确定。
2023/5/15 16:32:42
6.95MB
1
深度强化学习是深度学习算法和强化学习算法的巧妙结合,它是一种新兴的通用人工智能算法技术,也是机器学习的前沿技术,DRL算法潜力无限,AlphaGo是目前该算法最成功的使用案例。
DRL算法以马尔科夫决策过程为基础,是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。
深度强化学习算法主要包括基于动态规划(DP)的算法以及基于策略优化的算法,这本书共10章,首先以AlphaGo在围棋大战的伟大事迹开始,引起对人工智能发展和现状的引见,进而引见深度强化学习的基本知识。
然后分别引见了强化学习(重点引见蒙特卡洛算法和时序差分算法)和深度学习的基础知识、功能神经网络层、卷积神经网络(CNN)、循环神经网络(RNN),以及深度强化学习的理论基础和当前主流的算法框架。
最后引见了深度强化学习在不同领域的几个应用实例。
DRL算法以马尔科夫决策过程为基础,是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。
深度强化学习算法主要包括基于动态规划(DP)的算法以及基于策略优化的算法,这本书共10章,首先以AlphaGo在围棋大战的伟大事迹开始,引起对人工智能发展和现状的引见,进而引见深度强化学习的基本知识。
然后分别引见了强化学习(重点引见蒙特卡洛算法和时序差分算法)和深度学习的基础知识、功能神经网络层、卷积神经网络(CNN)、循环神经网络(RNN),以及深度强化学习的理论基础和当前主流的算法框架。
最后引见了深度强化学习在不同领域的几个应用实例。
2019/3/8 21:17:23
145.91MB
1
某18楼的居民楼，每个单元是两梯两户。
电梯有一个默认设置：①在某楼按电梯时，左右两部电梯经过等楼层到达时，默认左边的执行任务。
②若两部电梯到达用户所需层次经过的路程不同，则默认选择路程少的那一部。
现设计一个数学模型完成如下任务：（1）这个居民楼的一个单元的两部电梯，在一年内的工作量能否有明显差异：（2）如果想两部电梯在一段时间内的工作量有显著差异，采取什么措施平衡差异，并分析结论主要通过蒙特卡洛算法的思想对问题进行解决
电梯有一个默认设置：①在某楼按电梯时，左右两部电梯经过等楼层到达时，默认左边的执行任务。
②若两部电梯到达用户所需层次经过的路程不同，则默认选择路程少的那一部。
现设计一个数学模型完成如下任务：（1）这个居民楼的一个单元的两部电梯，在一年内的工作量能否有明显差异：（2）如果想两部电梯在一段时间内的工作量有显著差异，采取什么措施平衡差异，并分析结论主要通过蒙特卡洛算法的思想对问题进行解决
2018/1/12 2:30:50
333KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB