PythonStudy学习

强化学习基本教程，包括A3C，DDPG等 有小车、机器臂等基本游戏的控制 强化学习是智能体（Agent）以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为，目标是使智能体获得最大的奖赏，强化学习不同于连接主义学习中的监督学习，主要表现在强化信号上，强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价(通常为标量信号)，而不是告诉强化学习系统RLS(reinforcement learning system)如何去产生正确的动作。由于外部环境提供的信息很少，RLS必须靠自身的经历进行学习。通过这种方式，RLS在行动-评价的环境中获得知识，改进行动方案以适应环境。

用于abaqus建模内聚力单元建模，通过内聚力单元分析材料损伤(Used for abaqus modeling, the cohesion unit is used to analyze material damage)

说明：  18个项目，通过前9天的数据，预测第10天PM2.5的含量，采用线性回归，损失函数为均方根误差(Through the data of the first nine days, the PM2.5 content of the 10th day was predicted for 18 projects, and linear regression was adopted, and the loss function was root mean square error.)

利用Pytorch实现的一个简单的神经网络，实现了异或门。(Using a simple neural network implemented by Pytorch, XOR gates are realized.)

《Python网络数据采集》 第一部分　创建爬虫 第1章　初见网络爬虫 2 1．1　网络连接 2 1．2　BeautifulSoup简介 4 1．2．1　安装BeautifulSoup 5 1．2．2　运行BeautifulSoup 7 1．2．3　可靠的网络连接 8 第2章　复杂HTML解析 11 2．1　不是一直都要用锤子 11 2．2　再端一碗BeautifulSoup 12 2．2．1　BeautifulSoup的find()和findAll() 13 2．2．2　其他BeautifulSoup对象 15 2．2．3　导航树 16 ……(Python Network Data Acquisition)

生成正态分布的随机数，并生成toeplitz矩阵，对随机数进行后处理，输出0-1均匀分布的随机数

说明：  logistics回归分析算法python实现(Python implementation of logistic regression analysis algorithm)

Programming Computer Vision with Python by Jan Erik Solem

openmv寻找色块，测距，定时发送数据

说明：  图像识别 安全帽检测 安全帽识别 用于安全帽的检测任务(Image recognition helmet detection helmet recognition for helmet detection task)