搜索资源列表
fangsun_v63
- 高斯白噪声的生成程序，采用加权网络中节点强度和权重都是幂率分布的模型，处理信号的时频分析。- Gaussian white noise generator, Using weighted model nodes in the network strength and weight are power law distribution, When processing a signal frequency analysis.
Saliency-Detection
- 提出一种新的显着性检测方法，通过将区域级显着性估计和像素级显着性预测与CNN（表示为CRPSD）相结合。对于像素级显着性预测，通过修改VGGNet体系结构来执行完全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计，首先设计基于自适应超像素的区域生成技术以将图像分割成区域，基于该区域通过使用CNN模型（称为区域级CNN）来估计区域级显着性。通过使用另一CNN（称为融合CNN）融合像素级和区域级显着性以形成nal显着图，并
qeng-V2.3
- 高斯白噪声的生成程序，基于人工神经网络的常用数字信号调制，本科毕设要求参见标准测试模型。- Gaussian white noise generator, The commonly used digital signal modulation based on artificial neural network, Undergraduate complete set requirements refer to the standard test models.
boston
- 通过scikit-learn库利用tf.contrib.learn函数生成三层神经网络模型直接对读入数据进行训练并且对于数据可以进行预测。(Through the scikit-learn library, the tf.contrib.learn function is used to generate three layers of neural network model, and the data is trained directly, and the data can be pred
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
Char-RNN-PyTorch-master
- # Char-RNN-PyTorch 使用字符级别的RNN进行文本生成，使用PyTorch框架。[Gluon实现] ## Requirements - PyTorch 0.2 - numpy ## Basic Usage 如果希望训练网络，使用如下的代码 ```bash python main.py \ --state train \ --txt './data/poetry.txt' \ # 训练用的txt文本 --batch 128 \ # batch_siz
NW_net
- 基于该程序可以直接生成网络模型，供初学者使用。(Based on this program, a network model can be directly generated for beginners)
无人机.zip
- VirtualArena是用于控制设计和系统仿真的面向对象的Matlab集成开发环境，其实现目标如下: 1)避免重新实现大多数项目共有的功能，例如: -离散化策略(例如欧拉向前，龙格库塔，…) -系统线性化的雅可比计算方法，例如基于符号或样本的方法 -实施标准车辆动力学，如独轮车或类似无人机的车辆，并实施不同的姿态表示，如旋转矩阵或四元数 -状态观测器自动生成，例如扩展卡尔曼滤波器(EKF) -基于网络的控制器的实施结构 - … 2)建立一套通用接口，允许
chatbot
- 聊天机器人 原理： 严谨的说叫 ”基于深度学习的开放域生成对话模型“，框架为Keras（Tensorflow的高层包装），方案为主流的RNN（循环神经网络）的变种LSTM（长短期记忆网络）+seq2seq（序列到序列模型），外加算法Attention Mechanism（注意力机制），分词工具为jieba，UI为Tkinter，基于”青云“语料（10万+闲聊对话）训练。 运行环境：python3.6以上，Tensorflow，pandas，numpy，jieba。(Chat Robot