数据驱动的城市轨道交通网络优化策略的数据都在这里啦~欢迎大家下载学习

大数据-算法-高维数据子空间聚类算法研究.pdf

人工智能-机器学习-板带热轧过程中轧辊热凸度计算模型的研究.pdf

随着全球汽车产业智能化和网联化的爆发式发展，作为车联网重要支撑的通信技术面临着频谱资源紧缺的难题。除了提供安全服务以外，车联网服务需求的多样性使得引入认知无线电技术成为有效的解决途径，可以实现与授权用户共享sub-6 GHz和毫米波的异质频谱资源，但车联网复杂动态变化环境的影响使得频谱利用率性能的提升受限。提出了充分利用潜在的多源动态时空数据挖掘和学习车辆轨迹、交通流的变化规律的方法，并利用其规律指导频谱的感知和共享。通过搭建系统级仿真平台进行仿真分析，结果表明所提方案的频谱效率得到有效提升。

通过数据驱动的节点采样提高GraphSAGE 作者： （ ， ）， （ ）， （ ） 发表在2019 ICLR研讨会表示学习上图和流形。 概述 作为一种高效且可扩展的图神经网络，GraphSAGE通过归纳二次采样的局部邻域并以小批量梯度下降的方式进行学习，已启用了归纳能力来推断看不见的节点或图。 GraphSAGE中使用的邻域采样有效地提高了并行推断一批不同程度的目标节点时的计算和存储效率。 尽管有此优势，但默认的统一采样在训练和推理上仍存在较大差异，从而导致次优准确性。 我们提出了一种新的数据驱动的采样方法，以通过非线性回归来推断邻域的实际值重要性，并使用该值作为对邻域进行二次采样的标准。 使用基于值的强化学习来学习回归者。 从GraphSAGE的负分类损失输出中归纳地提取了顶点和邻域的每种组合的隐含重要性。 结果，在使用三个数据集的归纳节点分类基准中，我们的方法使用统一

保存语句matlab代码基于噪声数据的数据驱动可达性分析 这个 repo 包含我们两篇论文的代码： 1- Amr Alanwar、Anne Koch、Frank Allgower、Karl Johansson “使用矩阵带位体的数据驱动可达性分析”第三届年度动态和控制学习会议 () 2- Amr Alanwar、Anne Koch、Frank Allgower、Karl Johansson “来自噪声数据的数据驱动可达性分析”提交给 IEEE Transactions on Automatic Control ( ) 问题陈述 鉴于系统模型未知，我们考虑从噪声数据进行可达性分析的问题。 识别模型是最先进的可达性分析方法的初步步骤。 然而，系统变得越来越复杂，数据变得越来越容易获得。 我们提出了使用矩阵 zonotope 和使用名为约束矩阵 zonotope 的新集合表示的数据驱动可达性分析。 下图总结了我们论文背后的想法。 文件说明 建议的数据驱动可达性分析有两个复杂程度A-文件夹examples-basic下的基本可达性分析B- 使用文件夹 examples-cmz 下的约束矩阵 z

d4rl-小球 使用Pybullet环境进行数据驱动的深度强化学习的数据集。 这项工作旨在通过开源项目符号模拟器为数据驱动的深度强化学习提供数据集，从而鼓励更多的人加入该社区。 该存储库建立在。 但是，当前，如果不检查MuJoCo激活密钥就无法导入d4rl，这会使程序失败。 因此， d4rl_pybullet.offline_env是直接从复制的。 安装 $ pip install git+https://github.com/takuseno/d4rl-pybullet 用法 该API与原始d4rl基本相同。 import gym import d4rl_pybullet # dataset will be automatically downloaded into ~/.d4rl/datasets env = gym . make ( 'hopper-bullet-mixed-v0

很好的PLS matlab 学习资料，很详细！

linux服务器中通过ODBC连接DB2数据库操作步骤: 1. Create a directory for installation of the IBM Data Server Driver for ODBC and CLI software. mkdir $HOME/db2_cli_odbc_driver 2. Copy the IBM Data Server Driver for ODBC and CLI software (vxx_xx_odbc_cli.tar.gz) into the above directory. cp vxx_xx_odbc_cli.tar.gz $HOME/db2_cli_odbc_driver 3. Extract IBM Data Server Driver for ODBC and CLI. gunzip vxx_xx_odbc_cli.tar.gz tar -xvf vxx_xx_odbc_cli.tar 4. Export the following environment variables. export DB2_CLI_DRIVER_INSTALL_PATH=$HOME/db2_cli_odbc_driver/odbc_cli/clidriver export LD_LIBRARY_PATH=$HOME/db2_cli_odbc_driver/odbc_cli/clidriver/lib export LIBPATH=$HOME/db2_cli_odbc_driver/odbc_cli/clidriver/lib export PATH=$HOME/db2_cli_odbc_driver/odbc_cli/clidriver/bin:$PATH export PATH=$HOME/db2_cli_odbc_driver/odbc_cli/clidriver/adm:$PATH 5. To connect to DB2 for z/OS Server download the license file db2consv_t.lic and copy to the license folder. $HOME/db2_cli_odbc_driver/odbc_cli/clidriver/license

matlab cusum代码数据驱动 找到的数据 里面是什么？ 四个 ipython 笔记本： oxy给出了对数据的标准分析（无变化点） 变点比较了变化点检测方法不同，使曲线 multiple_changepoint使用两种方法进行多变点检测，即： 最优决策 窗户滑动 averaged_signal为超过 8 人平均的信号执行所有前面的步骤 Matlab 笔记本oxy.mat调用 matlab 函数cusum_padding.m计算均值的 cusum 和函数cusum_covariance.m计算协方差的变化。 脚本mat2python.py允许将数据从.mat加载到 numpy 数组中。 文件夹数据包含下载的数据集。 这是心理算术任务。 ＃＃如何使用它？ 大部分代码使用了该库。 的替代链接。 在使用代码之前安装它。 去那里了解函数是如何工作的。