V
主页
SVR模型对连续量的预测(SVM)06 - 超参调整及对比
发布人
SVR模型对连续量的预测(SVM)06 - 超参调整及对比
打开封面
下载高清视频
观看高清视频
视频下载器
SVR模型对连续量的预测(SVM)02 - 生成样本数据
SVR模型对连续量的预测(SVM)01 - 理论
课程23:样本的权重设置(SVM)
课程33:生成对抗神经网络(GAN)
SVR模型对连续量的预测(SVM)04 - 预测曲线
课程27:控制登月器的降落(A2C算法)
课程29:对话AI大模型DialoGPT
NuSVM 02 - 拟合模型
编写强化学习环境13 - 游戏过程的可视化
编写强化学习环境10 - 计算奖励值
自定义环境的图像和CNN 01 - 导入CNN训练的例子
AI挑战星际争霸II 01 - 星际争霸II学习环境介绍
SVR模型对连续量的预测(SVM)05 - 散点图
自定义环境(Stable Baseline3)10 - 模型的保存、装载和评估
NuSVM 01 - 非线性数据集的生成
课程28:自定义环境(Stable Baseline3)
样本的权重设置(SVM)01 - 理论
课程25:RBF的最优参数搜索(SVM)
RBF的最优参数搜索(SVM)01 - gamma和C参数的介绍
RBF的最优参数搜索(SVM)03 - 导入数据样本
RBF的最优参数搜索(SVM)06 - 9个分类器的等高线和散点图
SVM-Anova:数据集特征的选择03 - 卡布统计值
课程26:控制登月器的降落
DQN-rl玩捕食者游戏02 - DQN理论简介
自定义环境(Stable Baseline3)02 - observation space的定义
课程18_支持向量机(SVM)04 - 坐标范围内均匀间隔数据生成
编写强化学习环境08 - 智能体的动作选择
样本的权重设置(SVM)04 - 画决策曲线图
RBF的最优参数搜索(SVM)05 - 9个分类器画图的数据准备
课程17:编写自己的Double-DQN程序
编写强化学习环境进阶02 - 环境的变量
SVM-Anova:数据集特征的选择05 - 使用管道构建模型
课程18_支持向量机(SVM)02 - 生成样本
课程16:Double-DQN与Dueling-Network
RBF的最优参数搜索(SVM)02 - 导入依赖库
Double-DQN&Dueling-Network 01 - 构建卷积神经网络
自定义环境的图像和CNN 11 - 修改特征提取层结构
RBF的最优参数搜索(SVM)10 - 在热力图中寻找最优参数
编写强化学习环境01 — 导入依赖库
课程18_支持向量机(SVM)05 - 生成坐标的网格数据