搜索资源列表
MININNET
- Neural network中MININNET 设计用MATLAB 关于生成内容,坚固网络,净化神经网,类的比较,培训权限等的所有程序-Neural network design which MININNET on MATLAB generated content, a robust network, purification neural network, the type of comparison, the powers of the training all the procedur
NNDESIGN
- Neural network design中的网络构建 包括结合MINI神经网,网络布局,声音,颜色的选择,存在,培训,分类,收缩,以及读写,标记等功能的编程-Neural network design Construction of the network, including MINI combining neural network, network layout, sound, color choices, there, training, classification, contr
HDU-ACM
- 杭电的ACM培训课件完整版，ppt打包派送-Hang power training courseware ACM full version, ppt package delivery
trainning_management
- 本办法适用于规范号百公司员工培训各项工作与流程和号百公司全体员工，为建立和完善培训管理体系，建立和完善培训管理流程，建立和完善员工培训课程体系。-These measures apply to employees training specification No. 100 of the work and processes, and No. 100 corporate staff, for the establishment and improvement of training manage
data-mining-stock-forecast
- 数据挖掘之股票预测系列培训The data mining stock forecast series training-The data mining stock forecast series training
fuzzy-control
- 研究生的培训课程，模糊控制的算法和例程，对大家学习模糊控制和程序开发比较有用-Postgraduate training courses, fuzzy control algorithms and routines
DeepLearningTutorials-master
- 深入学习是机器学习研究的一个新领域,已介绍了移动机器学习的目标更接近原来的目标之一:人工智能。深度学习学习多个水平的代表性和抽象,帮助理解数据(如图像、声音和文字。本文提供的教程将向您介绍一些最重要的深度学习算法,还将向您展示如何使用Theano运行它们。Theano是一个python库,使写作深度学习模型简单,并提供培训在GPU的选项。-run them using Theano. Theano is a python library that makes writing deep learn
the-binary-hopfield-network
- 此目录中的此代码实现二进制hopfield网络。 源代码可能在HOPNET.CPP中找到。示例培训文件是H7x8N4.trn。示例测试模式文件是:H7x8D4.TST，H5x8D7.TST，H5x8D7.TST和H5x8D9.TST，程序的输出转到屏幕和文件ARCHIVE.LST-This code in this directory implements the binary hopfield network. Source code may be found in HOPNET.CP
DFA应用
- ACM资料，来自北京大学的暑假培训讲课资料，希望能对大家有所帮助(ACM information, from the Peking University summer training, lectures, information, we hope to help)
1709.04326
- 多智能体设置在机器学习中的重要性日益突出。超过了最近的大量关于深度的工作多agent强化学习，层次强化学习，生成对抗网络和分散优化都可以看作是这种设置的实例。然而，多学习代理人的存在这些设置使得培训问题的非平稳常常导致不稳定的训练或不想要的最终结果。我们提出学习与对手的学习意识（萝拉），一种方法，原因的预期。其他代理的学习。罗拉学习规则包括一个额外的术语，解释了在预期的参数更新的代理政策其他药物。我们发现，利用似然比策略梯度更新的方法，可以有效地计算萝拉更新规则，使该方法适合于无模型强化学习。这
Simple Demo
- 人搜索 依赖 在python3.7 MacOS 10.14.6下测试 ——python包 ——opencv-python ——tb-nightly -torch>= 1.0 下载weights 从这里下载，密码:qscx 下载后，将权重放到文件夹 person_search_demo/weights中 测试 cd <指向此floder>的路径 python search 结果将保存在输出文件夹中 训练 您可以直接使用原始的YOLO代码进行培训。