wxq

本文介绍扩散模型，从最经典的 DDPM 到 一些改进工作，从 实施步骤 到 一些总括性的理论。 DDPM 扩散模型从自然界中的扩散过程获得灵感，正向的扩散过程是一种 熵增过程，会损…read more

自编码器： 自编码器架构分为 编码器（Encoder），解码器（Decoder），编码器将数据压缩为 低秩向量（低维空间中的一个点），而解码器将 压缩后的 低秩向量 重建为 原始数…read more

近端策略优化算法（PPO）是一种进阶的强化学习算法，由 OpenAI 提出，并且在许多任务上都可以取得良好的效果。 其最核心的思想是限制 策略更新的幅度，从而使得 过去产生的经验可…read more

KL散度 D_{KL}(P||Q)=\sum_{x}P(x)log[\frac{P(x)}{Q(x)}] 上面的便是 KL 散度的公式，我们仔细分析一下这个公式，可以发现 KL 散…read more

近来，DeepSeek 由于其较低的成本以及优秀的效果成了一个极度热门的话题。 我将制作一系列的视频分享 DeepSeek 公开的论文中提到的部分技术。如果你对此感兴趣，欢迎关注我…read more

2025-1-20 解决“强化学习”模块下文章《强化学习（一）》的排版问题 2025-1-20 “强化学习”模块下文章《强化学习（三）——术语总览》补充术语“轨迹”

一个有趣的模拟宇宙（一）

强化学习（一） 强化学习（二） 强化学习（三）——术语总览 马尔可夫决策过程（一） 马尔可夫决策过程（二） 最优价值函数 蒙特卡洛方法&Q-Learning & T…read more

这是一个测试文章