Bipartite consensus of general linear multi-agent systems
2022-02-25 10:34:38 207KB 研究论文
1
多焦点图像融合数据集 新数据集
2022-02-23 20:31:53 21.31MB
1
xlink qoe multi-path quic
2022-02-23 09:00:48 4.22MB quic
1
Multi-level learning based memetic algorithm for community detection
2022-02-21 19:09:36 1.7MB 社区检测 遗传算法
1
多客户聊天应用 带有GUI和AES加密的Java聊天应用程序。 要启动该应用程序,必须安装jdk-7(并且必须在Windows中设置java的路径)。 迁移到包含Server.java和Client.java的主目录。 打开命令行并键入以下命令: javac Server.java javac Client.java java服务器java客户端 “ java客户端”的键入次数可以与您希望运行的客户端数量相同。
2022-02-20 10:40:10 6KB Java
1
随着货物运输系统中能耗的Swift增加,应认真考虑能源和环境问题。 通过调整货运量,向更加节能,合理的方向发展货运结构,以达到降低能耗的目的。 考虑到货运调整系统本身的特点,本文介绍了一种基于多主体的模型,该模型是根据需求响应从政府主体,运输公司主体和货物所有者主体分别构建的。 通过Netlogo进行的实验证明,货运在调节货物运输系统的能耗方面发挥了积极作用,并提出了节能建议和政策。
2022-02-19 11:09:20 815KB Demand response Multi-agent modeling
1
多机融合 多机同步播放拼接融合系统(多机融合) 此系统是前者是在2012年的一个测试版本中改进而来,经过2年的改进和完善最终达到本系统的1.3.2正式版本。系统中也存在一些暂未完成功能。但是此版本已经满足城市表面的大部分应用,并且在多PC模式下完全很好的调试技术。此软件从问世到现在应用过很多商业领域以及很多扩展领域,并且应用十分稳定。由于本开源系统供参考和研究,不做商业应用则已经将许可使用,保存数据和加载数据部分删除。若有需要可请示作者。 系统的组成和实现细节: 1.使用跨平台Qt完成Ui界面的定制; 2.使用OpenGL实现几何调整,图像的输出,图像混合,图像合成功能; 3.可将平台依赖部分做修改可支持Windows,Linux,Mac,Android,Wayland,Mir 4.当前实现的平台部分支持Windows,Linux 下面是系统的功能基本描述: 1.支持水平,垂直多台计算
2022-02-19 10:53:12 68.39MB 系统开源
1
software-dpan-multi.zip
2022-02-14 14:01:45 783.57MB multi
1
CNNIQAplusplus 以下论文的PyTorch 1.3实施: 笔记 在这里,选择优化器作为Adam,而不是本文中带有势头的SGD。 训练 CUDA_VISIBLE_DEVICES=0 python main.py --exp_id=0 --database=LIVE --model=CNNIQAplusplus 训练前, im_dir在config.yaml被指定必须的。 可视化 tensorboard --logdir=tensorboard_logs --port=6006 # in the server (host:port) ssh -p port -L 6006:localhost:6006 user@host # in your PC. See the visualization in your PC 要求 conda create -n reproducib
1
使用深度学习框架的红外和可见图像融合 ,吴晓军*,约瑟夫·基特勒国际模式识别大会2018 Li H,Wu XJ,Kittler J.使用深度学习框架的红外和可见图像融合[C] //模式识别(ICPR),2018年第24届国际会议。 IEEE,2018:2705-2710。 要求 您将需要以下工具来运行此代码: 如果您对此代码有任何疑问,请随时与我联系( , ) 融合方法 融合详细内容 多层融合策略 质量指标-Nabf Nabf-'BK Shreyamsha Kumar。 使用离散余弦谐波小波变换基于像素重要性的多焦点和多光谱图像融合。 信号,图像和视频处理,2012年。” 火炬版 仅供参考 https://github.com/GrimReaperSam/imagefusion_pytorch 引文 Li H,Wu XJ,Kittler J.使用深度学习框架的红外和可见
1