万德1010的博客

期货市场中，做空的意思是：某种货物价格在100元时，花100元抵押，向别人借1个单位的货物。再把货物卖到市场，得100元。期望该货物价格降低，例如降到50元时，花50元买回货物，再归还货物并得到抵押的100元。这样盈利50元。这是保证金100%时的做空。100%保证金的做空的盈利是仓位∗原价原价−现价​做多的盈利是仓位∗原价现价−原价​做多与做空是期货市场的两个方向的基本操作，应当具有完美的对称性（否则不公平了）。以上两个公式看起来有点对称，但事实却不是如此。

磁效应的来源，详细推导

学习相对论知识备忘

defi

接上篇 (Deep Reinforcement Learning with Double Q-learning, H. van Hasselt et al., arXiv, 2015)练习DQN有很多超参数，主要有：经验回放集合尺寸，神经网络结构，GAMMA值，学习率，e_greedy值和正负回报值。如此多的超参数，很难调好，必须认真体会总结。=======================经验回放

使用的操作系统是ubuntu16.041，编译seetaface，得到libseeta_facedet_lib.so,libseeta_fa_lib.so,和libviplnet.so三个连接文件，以及include文件夹里面所有.h头文件备用。2，安装opencvsudo apt-get install libopencv-dev3，安装sox，用来播放音频文件sudo apt-get insta

本文大部分内容来自： http://www.cnblogs.com/makefile/p/6059833.html 侵删。 该编译过程作为记录，免日后忘记。1，下载seetaface源码git clone https://github.com/seetaface/SeetaFaceEngine.git2、安装opencvsudo apt-get install libopencv-dev3、升

常见的网络攻击，按照osi七层协议，可以分为： 1，物理层 线路侦听 2，数据链路层 mac_flood 3，网络层 arp_poison，icmp_redirection 4，传输层 tcp_flood(包含ack_flood和syn_flood)，udp_flood(ntp,dns) 7，应用层

（一） ubuntu16.04安装dlib 官网:http://dlib.net/sudo apt-get install build-essential cmakesudo apt-get install libgtk-3-devsudo apt-get install libboost-all-devsudo pip install dlib

======================完成.cfg文件========================== 在包study_dynamic_reconfigure目录下新建文件夹cfg，创建文件three.cfg并编辑#!/usr/bin/env pythonPACKAGE = 'study_dynamic_reconfigure'from dynamic_reconfigure.para

ROS（robot operation system）主要解决了两个问题： 1，进程间通信及主机间通信 2，代码管理 这篇笔记记录ROS进程间通信的方法。ROS解决进程间通信的方法主要有：主题，服务及动态参数。 1，主题适合于多个节点需要频繁通信的场合，例如智能小车的超声波测距节点，不断的将距离数据发送给处理单元节点。2，服务适合于不频繁通信的场合。某个节点A向节点B提交服务申请，节点B执行

要生成两个节点，一个节点名称叫server，一个叫client。server提供一个叫做mianji的服务，接受两个参数：长和宽，返回面积。第一篇<主题>内容十分详细具体，包含了完整的步骤细节。但从这篇开始，不再记录完整的步骤细节。=================生成study.service包======================catkin_create_pkg study_servic

该文是简单的知识点梳理，不能作为学习资料，请谅解=================强化学习的分类==================== 强化学习可以分为两类：有模型的，以及无模型的 有模型的强化学习是指我们拥有环境的完美知识，即s(我们知道所有的状态)，r(所有状态对应的回报)，p(s|a)(我们知道对于任意的状态s，采取任意动作a后，我们所在的新的状态的概率p(s|a)p(s|a))无模型的

深度确定策略梯度，论文在这： http://xueshu.baidu.com/s?wd=paperuri%3A%283752bdb69e8a3f4849ecba38b2b0168f%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fwww.oalib.com%2Fpaper%2F4051743&ie=ut

花了一个星期，昨晚终于调出了还算能工作的模型，真的很难。赶紧记下来备忘。直接使用论文中的参数，模型是不能工作的，参数基本上都修改了。下图是论文对于参数的配置说明。 按论文说的来。 1， “a base learning rate of 10−310^{-3 } and 10−410^{-4} for the actor and critic respectively”。论文使用10−310^{-

代码使用python 2.x版本 ，tensorflow 使用1.1(cpu)版本论文地址:https://arxiv.org/abs/1509.06461===============第一个文件 replay_memory.py================================import numpy as npMEMORYSIZE = 60000class Replay_mem