行业分类-电子电器-一种基于NSGA2算法的微电网优化调度方法.zip

webrtc-ns(音频降噪)(单独抽取webrtc中的ns模块，编译成so库移植android平台使用) 代码直接运行即可体验

maketrans和translate函数是进行字符串字符编码的常用方法。本文着重点在于演示其基本用法和在不同版本下操作的差异。本文提到的2.X版本指2.6以上的版本，3.X版本指3.1以上的版本。     2.X版本把字符串基本分为两种：unicode字符串和8位字符串str，后者包含字节数据和我们常见的ASCII码数据；而3.X版本则重新对字符串进行了划分，分为了字节字符串bytes和文本字符串str，两者都是不可变的，所以添加了一个可变的字节字符串类型bytearray。      2.X版本中string类型和str、unicode类型大量方法是重复的，所以3.X版本不提倡使用stri

批量归一化 在对神经网络的优化方法中，有一种使用十分广泛的方法——批量归一化，使得神经网络的识别准确度得到了极大的提升。 在网络的前向计算过程中，当输出的数据不再同一分布时，可能会使得loss的值非常大，使得网络无法进行计算。产生梯度爆炸的原因是因为网络的内部协变量转移，即正向传播的不同层参数会将反向训练计算时参照的数据样本分布改变。批量归一化的目的，就是要最大限度地保证每次的正向传播输出在同一分布上，这样反向计算时参照的数据样本分布就会与正向计算时的数据分布一样了，保证分布的统一。 了解了原理，批量正则化的做法就会变得简单，即将每一层运算出来的数据都归一化成均值为0方差为1的标准高斯分布。这

掌握NS仿真软件的安装方法和基本使用方法，包括仿真环境和仿真过程。 掌握以太网和无线网络的仿真技术，要求学生学会分析仿真数据，从中找出网络故障的原因并提出合理的解决方案。 学会利用C++联调仿真过程中出现的错误，以及利用现有模块和自主编程优化网络建模方案。

使用TensorFlow构建一个神经网络来实现二分类，主要包括输入数据格式、隐藏层数的定义、损失函数的选择、优化函数的选择、输出层。下面通过numpy来随机生成一组数据，通过定义一种正负样本的区别，通过TensorFlow来构造一个神经网络来实现二分类。 一、神经网络结构 输入数据：定义输入一个二维数组（x1,x2），数据通过numpy来随机产生，将输出定义为0或1，如果x1+x2<1,则y为1，否则y为0。 隐藏层：定义两层隐藏层，隐藏层的参数为(2,3)，两行三列的矩阵，输入数据通过隐藏层之后，输出的数据为(1,3)，t通过矩阵之间的乘法运算可以获得输出数据。 损失函数：使用交叉熵作为神经

mmWave ns-3模块 这是一个用于模拟5G mmWave蜂窝网络的 mmWave模块。 可以在上找到此模块的说明。 ns-3的mmWave模块可用于以mmWave频率模拟5G蜂窝网络。 该模块建立在LTE的基础之上，目前包括以下功能： 支持多种信道模型，包括基于3GPP TR 38.901的0.5至100 GHz频率模型。 也可以使用光线追踪和测得的痕迹。 支持3GPP NR帧结构和数字学的自定义PHY和MAC类。 它们支持动态TDD，并且经过参数化和高度可定制性，以足够灵活地测试不同的设计。 动态TDD格式的自定义调度程序 MAC层的载波聚合 通过重新分段分组以重传来增强RLC层 与LTE基站的双重连接，具有快速的辅助小区切换和信道跟踪 模拟核心网络元素（也将MME作为真实节点） 以下论文详细描述了mmWave模块中实现的功能： 是一个全面的教程，其中包含整个模块的详细

TensorFlow 2.0测试版在今年春季发布，新版本比1.x版本在易用性上有了很大的提升。但是由于2.0发布还没有多久，现在大部分论文的实现代码都是1.x版本的，所以在学习TensorFlow的过程中同时安装1.x和2.0两个版本是很有必要的。 下面是具体操作 首先需要安装Anaconda 然后进入Anaconda prompt（未避免安装失败，最好以管理员身份运行） 安装第一个版本的tensorflow： 现在是默认环境，输入要安装的第一个tensorflow版本：pip install tensorflow==版本号 pip install tensorflow==2.0.0b1

本文为大家分享了Python机器学习之K-Means聚类的实现代码，供大家参考，具体内容如下 1.K-Means聚类原理 K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。其基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。 算法大致流程为：（1）随机选取k个点作为种子点(这k个点不一定属于数据集)；（2）分别计算每个数据点到k个种子点的距离，离哪个种子点最近，就属于哪类；（3）重新计算k个种子

NS-3 这是一个NS-3项目，旨在模拟Adhoc路由协议。