注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. BTF020开发板附带实验程序C51源码

  2. BTF020是新华龙电子有限公司为用户学习 C8051F020 单片机而设计制造的一款开发评估板，本附件是其中的实验源代码

  3. 所属分类：C

    • 发布日期：2009-11-24
    • 文件大小：1004544
    • 提供者：sy0331

  1. prod-ml-book:生产机器学习-源码

  2. 架构师机器学习系统手册 第一部分：机器学习系统操作与传统软件系统操作之间的挑战概述（以此为基础介绍有关不同挑战的章节） 软件1.0与软件2.0 我们该如何解决？ 数据治理 第二部分：数据管道和ETL流程 第三部分：模型和数据的版本控制和治理-可复制性 由于缺乏可重复性而导致的危机 机器学习实验的版本控制i。 数据版本化ii。 模型版本控制 管理实验可重复性的工具i。 智者ii。 MLflow iii。 DVC iv。 达特莫 第四节：模型的弹性（回归测试和验证） 训练期间进行模型评估的测

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：78848
    • 提供者：weixin_42161497

  1. ChaosEVM-源码

  2. 混沌EVM 该存储库记录了我们在以太坊虚拟机（ ）上的混乱工程实验。 目的是评估EVM在系统调用调用错误方面的弹性。

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：9216
    • 提供者：weixin_42159267

  1. MCUP:蒙特卡洛不确定性回归分析。 您是否曾经想过如何正确估计回归参数的不确定性？ MCUP将帮助您正确处理-源码

  2. 单片机 蒙特卡洛不确定性回归分析。 您是否曾经想过如何正确估计回归参数的不确定性？ MCUP将帮助您正确处理。 状态 抽象的 我们旨在提供一种回归参数误差估计器（PEE），该估计器基于测量点的估计误差提供有关回归参数误差的信息。 我们的方法在各种真实世界的实验中都应该是可靠的，而精确是我们的主要目标。 关键字词 回归参数误差，变量误差，回归不确定性估计，拟合参数的置信区间，最小二乘法的标准误差，不确定性从数据到参数空间的传播，参数空间的可能性 范围 该存储库将包含几种PEE算法的实现，以及一个元

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：19456
    • 提供者：weixin_42146086

  1. cloudsimLearn:看CloudSim源码-看源码

  2. CloudSim：用于云计算基础架构和服务的建模和仿真的框架 云计算是提供可靠，安全，容错，可持续和可扩展的计算服务的领先方法。 因此，在需要新云应用程序和策略实际开发之前，需要及时，可重复和可控制的方法来进行性能评估。 由于实际测试平台的使用将实验限制在测试平台的规模上，并且使得结果的再现变得极为困难，因此可以使用仿真。 CloudSim的目标是提供一种通用且可扩展的仿真框架，该框架能够对新兴的云计算基础架构和应用程序服务进行建模，仿真和实验，从而使其用户能够专注于他们想调查的特定系统设计问

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：16777216
    • 提供者：weixin_42153615

  1. DRL-2018:结合策略梯度方法（香草PG，Actor-Critic，PPO）和进化策略的实验-源码

  2. DRL-2018 该存储库的功能是2018年夏季深度强化学习研究项目的工作（由Keith Ross教授建议，由纽约大学上海分校院长本科研究基金资助）。 在此项目中，我们尝试将“策略梯度”方法（香草策略梯度（aka REINFORCE），Actor-Critic和PPO）与“进化策略”相结合，以设计出一种提高样本效率的混合算法。 在MuJoCo基准上评估了所提出算法的性能。 参考： 加强：罗纳德·J·威廉姆斯。 用于连接符增强学习的简单统计梯度跟踪算法。 机器学习，8（3-4）：229–25

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：15360
    • 提供者：weixin_42109598

  1. Jstacs-源码

  2. 描述 序列分析是生物信息学的主要主题之一。 现有的几个库将生物学序列的表示与精确和近似模式匹配以及比对算法结合在一起。 我们介绍Jstacs，这是一个开放源代码Java库，它专注于生物学序列的统计分析。 Jstacs包含序列数据的有效表示形式，并提供了许多统计模型的实现方式，以及用于参数学习的生成性和判别性方法。 使用Jstacs，可以在测试数据集上或通过评估多种性能指标的交叉验证实验来评估和比较分类器。 由于其严格的面向对象设计，Jstacs易于使用且易于扩展。 有关更多信息，包括API文档

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：25165824
    • 提供者：weixin_42138788

  1. Fault-injection-code-源码

  2. 此处的新内容：世界您好 该存储库包含项目“ DNN故障注入”的Python源代码。 它是在Pytorch框架之上开发的。 模拟器的主要功能： 训练深度神经网络（DNN）模型 在测试仪上进行图像分类 在存储DNN参数的存储块中注入位翻转 评估故障环境下的网络弹性 故障注入模拟的输出（即将推出）： .csv文件中已定义故障率范围内的精度曲线 有关注入位置的统计信息摘要，例如e7或数字的符号位。 显示精度曲线的'.png'文件 项目中使用的数据集： MNIST CIFAR-10 CIFAR

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：12288
    • 提供者：weixin_42137539

  1. sgas:SGAS-源码

  2. SGAS：顺序贪婪架构搜索 在搜索阶段具有较高验证准确性的体系结构在评估中可能会表现较差。为了缓解这一常见问题，我们引入了顺序贪婪体系结构搜索（SGAS），这是一种有效的神经体系结构搜索方法。通过将搜索过程划分为子问题，SGAS以贪婪的方式选择并修剪候选操作。我们将SGAS应用于卷积神经网络（CNN）和图卷积网络（GCN）的搜索体系结构。 概述 大量的实验表明， SGAS能够以最小的计算成本为蛋白质-蛋白质相互作用图中的图像分类，点云分类和节点分类等任务找到最先进的体系结构。 要求 （仅GC

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：1048576
    • 提供者：weixin_42127835

  1. kalk:用锈编写的支持变量和函数的计算器表达式评估器。-源码

  2. alk Kalk是一个计算器（程序和库），支持用户定义的变量，函数和单位（实验的，有限的）。它可以在Windows，macOS，Linux，Android和Web浏览器（带有WebAssembly）中运行。 | 特征 运算符：+，-，*，/ 、! 群组：（），⌈⌉，⌋⌊ 用户定义的函数和变量。 f(x, y) = xy ， x = 5 用户定义的单位（实验单位）。 unit m = cm/100 2m/50cm ， 50cm to m 理解相当模糊的语法。例如。 2sin50 + 2xy 语法

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：752640
    • 提供者：weixin_42123237

  1. ep-stats:实验平台统计-源码

  2. 统计数据 实验平台的统计数据包。 它提供了一个通用的Python包和REST API，可用于评估AB测试实验中的任何指标。 特征 鲁棒的两尾t检验实现，其中应用了多个p值校正和增量方法。 顺序评估可以使实验尽早停止。 将其连接到任何数据源以获取预汇总或每个随机单位数据。 简单的表达语言来定义任意度量。 REST API，可将其与计分卡集成为实验门户中的一项服务。 文献资料 我们有一个很好的。 基本范例 ep-stats可以快速评估实验。我们正在使用样本测试数据来评估实验test-convers

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1021952
    • 提供者：weixin_42117340

  1. jatecs:Java文本分类系统-源码

  2. JaTeCS（Java文本分类系统） JaTeCS是专注于自动文本分类（ATC）的开源Java库。 它涵盖了实验活动的所有步骤，从阅读语料库到评估实验结果。 JaTeCS专注于将文本作为中心输入，并且其代码针对此类数据进行了优化。 与许多其他机器学习（ML）框架一样，它为多种格式和知名语料库，NLP工具，功能选择和加权方法，多种ML算法的实现以及知名外部软件的包装器（例如libSVM，SVM_light）。 JaTeCS还提供了与ATC相关的方法的实现，而其他ML框架很少（如果没有的话）（例如

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：3145728
    • 提供者：weixin_42144604

  1. CLOPS:进行CLOPS中引入的实验代码-源码

  2. 剪辑 CLOPS是基于重播的持续学习策略，它同时使用缓冲区存储和获取机制。 在“ CLOPS：生理信号的持续学习”中描述了该方法。 要求 CLOCS代码要求 Python 3.6或更高版本 PyTorch 1.0或更高版本 数据集 下载 可以从以下链接下载数据集： PhysioNet 2020年： ://physionetchallenges.github.io/2020/ 查普曼（Chapman）： : 心脏病学： : 前处理 为了针对CLOPS适当地预处理数据集，请参考以下存

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：62464
    • 提供者：weixin_42097533

  1. 天蝎座：天蝎棋引擎-源码

  2. 目录 天蝎座 天蝎座是大师级别的强大国际象棋引擎。 它可以与支持Winboard或UCI协议的GUI一起使用，例如Winboard和Arena，Fritz和Shredder接口 安装 有关安装说明，请查看 目标 天蝎座的主要目标是： ：在共享内存（SMP）和非均匀内存访问（NUMA）系统上使用诸如YBW和ABDADA算法之类的并行搜索算法进行实验。 还可以使用YBW在松散耦合的计算机群集上进行分布式并行搜索。 ：对国际象棋进行蒙特卡洛树搜索（MCTS）的实验。 它支持带有LMR的alpha

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_42117485

  1. Lab02-CSS-Review：实验02作业-源码

  2. Lab02-CSS评估 实验02作业

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：251904
    • 提供者：weixin_42106765

  1. 评估实验-源码

  2. 评估实验 这是用于运行评估实验的基本项目。 入门指南 $ git clone ssh://gitgithub.com/PRL-PRG/evalr-experiment $ cd evalr-experiment 重要：以下所有命令均应在克隆的存储库中运行！ 如果尚未创建docker映像，请运行 $ make -C docker-image 进入码头工人 $ make shell 获取依赖项。 之所以不将它们放在图像中，是因为我们可能希望对其进行一些局部更改。 docker% make

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：33792
    • 提供者：weixin_42136477

  1. 降噪：用于评估降噪方法的实验装置-源码

  2. 降噪 去噪是从噪声样本中执行分类器学习的统一方法，该方法利用了噪声检测和样本加权技术。 它包括通过对数样本加权策略学习抗噪声分类器，其中权重是在标签噪声检测步骤中从嘈杂实例中得出的。 实验 我们在受控的情况下凭经验验证了我们方法的性能，在这种情况下，噪声被人为地注入到不同的数据集中。 实验装置中实现Python3一个内conda环境。 要复制我们的实验，只需运行run_me.ipynb jupyter笔记本。 要求（记忆和时间） 完整运行需要大约7Gb的可用空间，用于生成不同的数据集和噪声配置

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2048
    • 提供者：weixin_42106765

  1. openai_lab：使用OpenAI Gym，Tensorflow和Keras进行强化学习的实验框架-源码

  2. OpenAI实验室 使用OpenAI Gym，Tensorflow和Keras进行强化学习的实验框架。 OpenAI Lab的创建是为了进行强化学习（RL），例如科学理论，实验。 它提供了一个简单的接口，以和 ，用自动实验和评估框架。 产品特点 使用OpenAI Gym，Tensorflow，Keras的统一RL环境和代理界面，因此您可以专注于开发算法。 ，带有可重用的模块化组件，用于开发深度RL算法。 用于运行数百项超参数优化试验，并带有日志，曲线图和分析数据，用于测试新的RL算法。 实

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：77824
    • 提供者：weixin_42178963

  1. 参考：用于上下文网络流量管理的SDN实验框架-源码

  2. 快速实验框架（REF） 在线视频流和物联网（IoT）正在成为未来网络的主要消费者，它们从大量异构用户设备中产生高吞吐量和高动态流量。 这给基础网络带来了巨大压力，并降低了性能，效率和公平性。 为了解决此问题，未来的网络必须合并能够识别应用程序和用户级别要求的上下文网络设计。 但是，网络管理组件的新设计（例如资源供应模型）通常在模拟环境中进行测试，而模拟环境在网络设备如何实际执行网络协议和相关规范方面缺乏精妙之处。 本文为软件定义网络（SDN）实验框架（REF）的设计和操作指南做出了贡献，该框架

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：209920
    • 提供者：weixin_42160425

  1. forge：张量流的基本实验框架-源码

  2. 锻造 用于管理ML实验的轻量级工具。 通过精巧的检查点，Forge使配置实验变得更加容易，并使模型检查和评估更加容易。 使用Forge，您可以在单独的文件中配置和构建数据集和模型，并将其轻松加载到实验脚本或jupyter笔记本中。 训练完模型后，无需访问原始配置文件即可轻松地从快照（带有相应的数据集）恢复模型。 典型的工作流程 编写数据配置（ ）。 编写模型配置（ ）。 运行训练脚本（ ）。 通常，您会将示例火车脚本复制到您的项目中，并使用所需的任何其他日志记录/设置对其进行自定义。 （

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42097557
« 12 3 4 5 6 7 8 9 10 »