population-based reinforcement population effective
Effective C++ 总结提炼版
导读 size_t 只是一个typedef，是unsigned类型，也是vector，deque，string内的operator[]函数接受的类型. definition定义式，对于变量：任务是编译器拨发内存，对于function：提供代码本体 判别拷贝构造和拷贝赋值：有无新对象实例的产生，如果是 ......
React Hook 之 Effect ：同步与外部系统的数据
有时组件中的数据需要与外部系统的数据或操作同步，React提供了Hook Effect。 Effect 会在组件渲染后运行一些代码，以便将组件与 React 之外的某些系统同步，包比如浏览器 API、第三方小部件，以及网络请求等。 如以下的video播放器的简单加载： // 声明 Effect im ......
强化学习研究方向(研究领域）现有的不足（短板、无法落地性） —— Why You (Probably) Shouldn’t Use Reinforcement Learning
外文原文： Why You (Probably) Shouldn’t Use Reinforcement Learning 地址： https://towardsdatascience.com/why-you-shouldnt-use-reinforcement-learning-163bae193 ......
LightGCL Simple Yet Effective Graph Contrastive Learning For Recommendation论文阅读笔记
Abstract 目前的图对比学习方法都存在一些问题，它们要么对用户-项目交互图执行随机增强，要么依赖于基于启发式的增强技术（例如用户聚类）来生成对比视图。这些方法都不能很好的保留内在的语义结构，而且很容易受到噪声扰动的影响。所以我们提出了一个图对比学习范式LightGCL来减轻基于CL的推荐者的通 ......
《Effective Java》阅读笔记-第六章
Effective Java 阅读笔记 第六章 枚举和注解 第 34 条 用 enum 代替 int 常量 int 类型常量或者 String 类型常量作为参数的可读性和可维护性都比较差，甚至 IDE 都不好提示。 Java 中的枚举是完全单例，并且可以有字段、方法，以及实现接口（因为编译之后就是个 ......
GCGP：Global Context and Geometric Priors for Effective Non-Local Self-Attention加入了上下文信息和几何先验的注意力
Global Context and Geometric Priors for Effective Non-Local Self-Attention * Authors: [[Woo S]] 初读印象 comment:: （GCGP）提出了一个新的关系推理模块，它包含了一个上下文化的对角矩阵和二维相 ......
《Effective Java》阅读笔记-第五章
Effective Java 阅读笔记 第五章 泛型 第 26 条 不要使用原生类型 随着泛型的普及，这条没什么可说的。 如果不知道具体类型，可以使用<?>来代替。 第 27 条 消除 unchecked 警告 原生类型到泛型转换时，编译会有警告，可以使用@SuppressWarnings("unc ......
Effective C++笔记总结
1、示C++为一个语言联邦 C++是个多重范型编程语言（multiparadigm programming language），一个同时支持过程形式（procedural）、面向对象形式（object-oriented）、函数形式（functional）、泛型形式（generic）、元编程形式（me ......
阅读《Effective c++》第三版 day 3
本系列是我在阅读《Effective C++》时的思考及感悟，希望让更多学习C++的人看到学习，并希望指出文章有错误之处，我愿意接受指正。 ......
阅读《Effective c++》第三版 day 2
·为多态基类声明virtual析构函数 情况：使用父类指针接收子类对象，然后通过父类指针销毁该对象时，如果父类具有非虚拟析构函数，会发生切片现象 （子类对象通过基类指针赋值或传递给一个基类对象，只会保留子类对象中基类部分的数据。）为了解决这个问题，通常建议将基类析构函数声明为虚拟析构函数。 ·别 ......
阅读《Effective c++》第三版笔记 day 1
阅读《Effective c++》第三版 day 1 ·容易区别的 copy 构造和 copy 赋值，如果一个新对象被定义，则一定会被某个构造函数调用，不可能做调用赋值操作，如果新对象没有被定义，则不会有构造函数被调用，会被当成赋值操作。 bool hasAccpetTableQuality(Wid ......
[粘贴]Introducing Exadata X9M: Dramatically Faster, More Cost Effective, and Easier to Use
https://blogs.oracle.com/exadata/post/exadata-x9m The Exadata Product Management and Development teams are excited to announce the next generation of ......
《Effective Java》阅读笔记-第四章
Effective Java 阅读笔记 第四章 类和接口 第 15 条 使类和成员的可访问性最小化 软件设计的基本原则之一：封装 第 16 条 使用 Getter/Setter 代替 public 字段 这书的翻译可真垃圾 第 17 条 使可变性最小化 标准库中有许多不可变类：String、基础类型 ......
《Effective Java》阅读笔记-第三章
Effective Java 阅读笔记 第三章 对于所有对象都通用的方法 第 10 条 重写 equals 时请遵守通用约定 重写 equals 方法很简单，但是很容易出现错误，最直接避免这种错误的方式就是不重写 equals， 当出现任意一下情况的时候，就不需要重写 equals： 类的每个实例在 ......
《Effective Java》阅读笔记-第二章
Effective Java 阅读笔记 第二章 创建和销毁对象 第 1 条：用静态工厂方法代替构造器 静态工厂方法优势： 静态工厂方法有名称 静态工厂方法可以详细的指定名称，而使用构造器时如果没有文档会难以区分不同构造器之间的区别。 不必每次调用的时候创建一个新对象 静态工厂方法可以缓存预先构建好的 ......
《Visual Analytics for RNN-Based Deep Reinforcement Learning》
摘要 准备开题报告，整理一篇 2022 年TOP 论文。 论文介绍 该论文是一篇 2022 年，有关可视化分析基于RNN 的深度强化学习训练过程的文章。一作是 Junpeng Wang ，作者主要研究领域就是：visualization, visual analytics, explainable ......
Can Pre-Trained Text-to-Image Models Generate Visual Goals for Reinforcement Learning
概述 Learning form the Void (LfVoid) 根据给定的language instruction对observation进行appearance-based and structure-based修改得到goal images，为RL提供奖励信号。提升了example-bas ......
【源码系列#02】Vue3响应式原理（Effect）
专栏分享：vue2源码专栏，vue3源码专栏，vue router源码专栏，玩具项目专栏，硬核💪推荐🙌 欢迎各位ITer关注点赞收藏🌸🌸🌸 Vue3中响应数据核心是 reactive ， reactive 的实现是由 proxy 加 effect 组合，上一章节我们利用 proxy 实现了 ......
【略读论文|时序知识图谱补全】DREAM: Adaptive Reinforcement Learning based on Attention Mechanism for Temporal Knowledge Graph Reasoning
会议：SIGIR，时间：2023，学校：苏州大学计算机科学与技术学院，澳大利亚昆士兰布里斯班大学信息技术与电气工程学院，Griffith大学金海岸信息通信技术学院 摘要： 原因：现在的时序知识图谱推理方法无法生成显式推理路径，缺乏可解释性。 方法迁移：由于强化学习 (RL) 用于传统知识图谱上的多跳 ......
After Effects 2024：打造引人入胜的视觉效果 mac/win版
After Effects 2024是一款由Adobe公司开发的视频特效和动画制作软件，是专业影视制作领域的必备工具之一。它可以帮助用户在Windows或Mac操作系统上创建各种类型的视频动画和特效，包括2D和3D合成、动画、色彩校正、音频合成等等。 点击获取After Effects 2023 A ......
Vue3 的 effect、 watch、watchEffect 的实现原理
所谓 watch，就是观测一个响应式数据或者监测一个副作用函数里面的响应式数据，当数据发生变化的时候通知并执行相应的回调函数。 Vue3 最新的 watch 实现是通过最底层的响应式类 ReactiveEffect 的实例化一个 reactive effect 对象来实现的。它的创建过程跟 effe ......
Reinforcement Learning Chapter 1
本文参考《Reinforcement Learning：An Introduction（2nd Edition）》Sutton. 强化学习是什么 传统机器学习方法可分为有监督与无监督两类； 有监督学习 > 任务驱动 无监督学习 > 数据驱动 强化学习则可看作机器学习的“第三范式” > 模拟驱动，具体 ......
TRL(Transformer Reinforcement Learning) PPO Trainer 学习笔记
(1) PPO Trainer TRL支持PPO Trainer通过RL训练语言模型上的任何奖励信号。奖励信号可以来自手工制作的规则、指标或使用奖励模型的偏好数据。要获得完整的示例，请查看examples/notebooks/gpt2-sentiment.ipynb。Trainer很大程度上受到了原 ......
TLOP is Implemented Effectively in China
The National Five-Year Water Ecological Function Plan (NFWEFP) that covers all of China, has been iterated six times since its implementation in 1995. ......
vue/eslint_vue/no-side-effects-in-computed-properties报错
出现这个错误的缘由是因为我在vue3中的computed中, 把computed的回调函数当做数据监听器处理程序, 在里面修改了ref定义的变量数据的值. const curArticle = computed(() => { if (curArticleList.value.length 0) { ......
Effective Measures
The solution to global warming is to reduce greenhouse gas emissions, promote green transportation, promote low-carbon economic development, strengthe ......
The use of green energy can effectively solve the problem of air pollution
The use of green energy can effectively solve the problem of air pollution 一、the operation of green energy Green energy refers to a way of producing a ......
TALLRec: An Effective and Efficient Tuning Framework to Align Large Language Model with Recommendation
目录概TallRec代码 Bao K., Zhang J., Zhang Y., Wang W., Feng F. and He X. TALLRec: An effective and efficient tuning framework to align large language model ......
Fish-Scale Pits: An Effective Measure to Curd Soil Erosion
What is fish-scale pits? Fish scales in a semicircular, crescent-shaped pit It is built on a hillside and can often be seen on the slope of the tunnel ......