Hello World
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick
Chapter 20 Learning Probabilistic Models
Chapter 20 Learning Probabilistic ModelsStatistical Learning 糖果的例子 問題表述 Bayesian learning 預測公式 關鍵是過去的假設 以及在該假設下資料的可能性 計算假設下資料的可能性 條件機率隨著觀察到的數據改變 並轉移假說 特性說明 特性描述： 貝葉斯學習的預測最終會收斂到
Chapter 19 Learning from Examples
Chapter 19 Learning from ExamplesIntroduction Agent learning Supervised Learning 監督式學習 分類與回歸任務 Ockham’s razor 選擇與Data一致 且最簡單的形式 learning problem 是可實現的 如果假說空間存在真實的答案 權衡 複雜的假設 可能在訓
Chapter 21 Deep Learning
Chapter 21 Deep LearningIntroduction 圖片展示 Simple Feedforward Networks 只有單向連結的網路 feedforward input: 網路的參數 Networks as complex functions 應用非線性的函數得到輸出 寫成 vector form 非線性的啟動函數 理論上 神經網路
Chapter 14 Probabilistic Reasoning over Time
Chapter 14 Probabilistic Reasoning over TimeTime and Uncertainty 靜態假設 動態情況 血糖指數會動態改變 States and observations time slice 以及符號定義 下雨天的例子 集合符號的定義 本單元假設time slice 是固定的長度 可以用整數表示 Tra
Chapter 13 Probabilistic Reasoning
Chapter 13 Probabilistic ReasoningRepresenting Knowledge DAG (有向無環圖) 獨立或條件獨立 能夠有效減少需要被定義的機率數量 拓樸的意義是 每個箭頭代表著 父親對孩子有直接的影響 牙齒的案例: 新問題 竊盜警報器: DAG 表示鄰居的電話 僅直接受警報器影響 上上圖中 每個節點旁的表
Chapter 12 Quantifying Uncertainty
Chapter 12 Quantifying UncertaintyActing Under Uncertainty 不論是基於部分觀察性、不決定性 或是兩者結合導致的不確定性 我們都需要想辦法處理 以牙醫處理牙痛為例子 列舉無窮情況是不可能的 轉換成蛀牙導致牙痛 => 但並非所有蛀牙都會牙痛 我們需要考慮所有情形+蛀牙 導致牙痛 導致失敗的三個原因 懶惰、理論無知、實務無知
Chapter 4 Search in Complex Environments
Chapter 4 Search in Complex EnvironmentsLocal Search Algorithms and Optimization Algorithms 狀態空間搜尋: 當問題的解不包含到達解的path 的時候 改用這種 例如: 八皇后問題、數獨 因為過程中放置皇后的順序並不重要 重要的是結果有沒有滿足皇后互不攻擊 因此我們將systematic algorit
