课程地址： https://www.davidsilver.uk/ 手写笔记 IMG_2129(20220315-184005).JPG IMG_2131(20220315-184005).JPG IMG_2130(20220315-184005).JPG IMG_2133(20220315-184005).JPG IMG_2132(20220315-184005).JPG
手写笔记： IMG_2124(20220314-204136).JPG IMG_2125(20220314-204136).JPG IMG_2126(20220314-204136).JPG IMG_2127(20220314-204136).JPG 课件： 13_RL_1.pdf
笛卡尔空间末端规划： 用一些路径规划的方法先设计出几何意义上的路径和waypoint，再利用平滑的方法进行平滑，求解过程中用到的一些方法：minimunm snap ..........？,加上约束就把问题变为一个优化求解问题， …
1、如何查看函数的中间变量 第一种方法，利用save，load把数据保存在 .mat 文件中 比如有如下命令，利用SVM预测结果 [pred, acc, decision_values] = svmpredict(original_train_labels, total_train_set, model) ; &…
一、手写笔记，关于无模型估计的KDE、GP IMG_2044(20220120-155153).JPG IMG_2045(20220120-155153).JPG IMG_2046(20220120-155153).JPG IMG_2047(20220120-155153).JPG IMG_2048(20220120-155153).JPG 二、PDF文件是对于深度学习的神经网络的宏观概述： 19、神经网络.pdf 三、课程正式完结：自己做了一个宏观上的总结 对…
手写笔记： IMG_2037(20220118-160809).JPG IMG_2038(20220118-160810).JPG IMG_2039(20220118-160810).JPG IMG_2040(20220118-160810).JPG IMG_2041(20220118-160810).JPG IMG_2042(20220118-160810).JPG IMG_2043(20220118-160810).JPG
手写笔记： IMG_2036(20220118-160809).JPG IMG_2035(20220118-160809).JPG IMG_2034(20220118-160809).JPG 下面这张图清晰地解释了LDA： 听公开课，老师讲到一段话非常有道理： 在你的学习、研究领域，能够想出几十年前或者十几年前人们想出来的的模型、方法…，说明已经入门了；能够想到近些年的东西，说明已…
IMG_2029(20220115-125312).JPG IMG_2027(20220115-125311).JPG IMG_2028(20220115-125312).JPG IMG_2031(20220115-125312).JPG IMG_2030(20220115-125312).JPG 还是之前的思路：初学任何的新东西，理清问题、解决思路和逻辑发展关系最重要，具体的算法细节可以慢慢在实践中加深。
写在前面：这部分的核心内容就是概率中的联合概率、条件概率和边缘概率之间的关系、极大似然估计，机器学习的部分只是利用数据学习出服从那个分布的模型，然后进行求解预测。（比如说模型可以为Gaussion Mixture Moded的极大似然函数，求解的计算方法是EM） 学习的过程是：服从伯努利分布的混合模型利用“隐含变量（状态）”求解，从而引入了“EM”，到"高斯混合模型"利用EM去解模型，再到…
