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. NAMD入门教程

  2. 1. 分子动力学模拟概论 1.1 分子动力学模拟的发展 1.2 分子动力学模拟的基本原理 1.3 分子动力学模拟相关软件 2. 分子动力学入门 2.1 基本设置 2.2 生成蛋白质结构文件（PSF） 2.3 蛋白质的溶质化 2.4 球状水体中泛素（Ubiquitin）的分子动力学模拟 2.5 立方水体中泛素（Ubiquitin）的分子动力学模拟 2.6 简单的结果分析 3. 分析方法 3.1 平衡态分子动力学模拟分析 3.1.1 每个残基的RMSD值 3.1.2 麦克斯韦-波尔兹曼（Maxwe

  3. 所属分类：专业指导

    • 发布日期：2013-05-14
    • 文件大小：1048576
    • 提供者：u010696678

  1. apk1111111

  2. 网络地址链接Rigidbody components take control over an object's position - it makes the objects fall down under the influence of gravity, and can calculate how objects will respond to collisions. Rigidbody组件控制物体的位置 - 它使物体在重力影响下下落，并可计算物体将怎样响应碰撞。 When manipu

  3. 所属分类：Windows Server

    • 发布日期：2015-07-13
    • 文件大小：8388608
    • 提供者：anyprograss

  1. LSTM中timesteps的理解

  2. 这个文档有一个比较直观的关于时间步的理解，对于初学RNN网络的人来说，其中有些概念比较难懂，希望这个能帮助大家。

  3. 所属分类：深度学习

    • 发布日期：2018-07-04
    • 文件大小：199680
    • 提供者：zds13257177985

  1. Hindsight Experience Replay.pdf

  2. 关于Hindsight Experience Replay的原始论文，适合初学者对深度强化学习Hindsight Experience Replay的认识和了解is to periodically set the weights of the target network to the current weights of the main network(e. g Mnih et al. (2015)) or to use a polyak-averaged(Polyak and Judits

  3. 所属分类：讲义

    • 发布日期：2019-09-02
    • 文件大小：2097152
    • 提供者：m0_37384317

  1. HIGH-DIMENSIONAL CONTINUOUS CONTROL USING GENERALIZED ADVANTAGE ESTIMATION.pdf

  2. HIGH-DIMENSIONAL CONTINUOUS CONTROL USING GENERALIZED ADVANTAGE ESTIMATIONPublished as a conference paper at ICLR 2016 Here, the subscr ipt of e enumerates the variables being integrated over, where states and actions are sampled sequentially from th

  3. 所属分类：讲义

    • 发布日期：2019-09-02
    • 文件大小：1048576
    • 提供者：m0_37384317

  1. 卷积时Convolution1D和Convolution2D的不同

  2. Convolution1D的示例代码 # apply a convolution 1d of length 3 to a sequence with 10 timesteps, # with 64 output filters model = Sequential() model.add(Convolution1D(64, 3, border_mode='same', input_shape=(10, 32))) # now model.output_shape == (None, 10, 64

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：39936
    • 提供者：weixin_38679045

  1. trfl：TensorFlow强化学习-源码

  2. TRFL TRFL（发音为“松露”）是在TensorFlow之上构建的库，它公开了一些用于实施强化学习代理的有用构建块。 安装 可以使用以下命令从pip install trfl ： pip install trfl TRFL可以与Tensorflow的CPU和GPU版本一起使用，但是为了允许它不会将Tensorflow列为要求，因此尚未安装Tensorflow和Tensorflow-probability。 使用范例 import tensorflow as tf import trfl

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：126976
    • 提供者：weixin_42108778

  1. Almost sure and moment exponential stability of Euler–Maruyama discretizations for hybrid stochastic differential equati

  2. Positive results are derived concerning the long time dynamics of numerical simulations of stochastic differential equation systems with Markovian switching. Euler-Maruyama discretizations are shown to capture almost sure and moment exponential stabi

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：219136
    • 提供者：weixin_38585666

  1. enkfnn：集成卡尔曼滤波器在神经网络权重学习中的应用-源码

  2. 使用集成卡尔曼滤波器学习神经网络权重 该存储库包含用于使用Ensemble Kalman滤波器学习神经网络权重的代码。 有三个主要实验： 与反向传播的比较： generate_comparison.py 精度阈值的影响： varying_r.py 从ENKF到反向传播的转换： varying_pretrain.py 每个文件都接受一组命令行参数，这些参数确定数据集，模型体系结构和ENKF超参数。 例如： python generate_comparison.py --dataset=b

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：39936
    • 提供者：weixin_42101384

  1. datagen：根据概率和独立性规范生成时间序列数据-源码

  2. 用于概率说明和数据生成的前景工具 Prospect根据概率约束和独立性规范生成时间序列数据。 规格文件格式 有效的Prospect文件是以下格式的txt，其中包含三部分，各行之间用空白行分隔： variables: values: timesteps: // Not in static case numsamples: independence indep[{X, Y, Z...}] // an unconditional

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：7340032
    • 提供者：weixin_42099116

  1. keras-tcn：Keras时间卷积网络-源码

  2. Keras TCN 与所有主要/最新的Tensorflow版本（从1.14到2.4.0+）兼容。 pip install keras-tcn Keras时间卷积网络。 [] 为什么选择时间卷积网络？ 与具有相同容量的循环体系结构相比，TCN具有更长的内存。 在各种任务（序列MNIST，添加问题，复制内存，字级PTB ...）上，其性能始终优于LSTM / GRU体系结构。 平行度，灵活的接收场大小，稳定的梯度，训练所需的低内存，可变长度的输入... 放大的因果卷积层堆栈的可视化（Wa

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42144199

  1. RNN简单应用—-预测正弦函数

  2. 利用RNN实现对函数sinx的取值预测，因为RNN模型预测的是离散时刻的取值，所以代码中需要将sin函数的曲线离散化，每隔一个时间段对sinx进行采样，采样得到的序列就是离散化的结果。 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt #定义参数 HIDDEN_SIZE = 30 # LSTM中隐藏节点的个数。 NUM_LAYERS = 2

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：88064
    • 提供者：weixin_38719475