chrome ie tab multi 两个版本。一个是1.0.0.1，在chrome68上用不了，安装后会被删除；一个是1.0.2.4只能在win8下使用。

免驱触摸屏在Linux多屏应用场景中的设置工具，基于gtk的图形界面，无需过多的依赖库，更适合新手使用；本工具调用xinput的map-to-output功能进行坐标映射，最终生成一个shell脚本；内含3个构架的二进制文件（x86_64，aarch64 / arm64，mips64el）支持多种基于Linux的国产化系统（麒麟、红旗、统信、深度）。

用多线程实现端口扫描，支持单个IP及IP段内的机器端口扫描，VC++　MFC实现。包括扫描进度，时间统计等,支持将扫描结果导出到txt

% 本文参照文献：Flocking for Multi-Agent Dynamic Systems:Algorithms and Theory clear; close all; clc; %% Parameters 初始化参数 num_agents = 100; t_gap=1; % 迭代间隔 queue_gap=15; % 队形间隔 queue_vy=12; queue_vx=13; queue_r=40; r_c=20; % 交互范围（半径） k=1.2; % 晶格的ratio d=r_c/k; % 晶格的scale(表示两两智能体之间的距离（论文中公式5）) v_0=2; % 初始速度 v_limit=0; % 最大速度 efs = 1; % sigma-norms parameter h=0.4; % 设置bump function的分割点（公式10） d_o = r_c; r_c_sigma = sigma_norm(r_c,efs); % r_c的σ范数 d_sigma = sigma_norm(d,efs); % d的σ范数 map_width = 400; % width of a squre map map_res = 0.5; % width of a grid to play obstacles pixel c1=0.2;c2=0.5;c3=0.2;c4=0.1;c5=10;c6=0.01; x = zeros(num_agents,2); % current position x_1 = zeros(num_agents,2); % previous position v_1 = zeros(num_agents,2); % previous velocity x_r0= zeros(num_agents,2); % x_r0：用来存储指定的队形信息 v_r_1st_point=300; path_num = zeros(1000,2,num_agents); v_r=[1,0];

多类别心脏疾病预测 使用ANN进行多个类别的心脏病预测

语言:English 多标签页新标签页 多标签页新标签页可让您快速访问最受欢迎的网站！ Chrome的“新标签”页的极简替代品。 **为了提供扩展功能，您的新标签设置将被修改。 点击“添加到Chrome”，即表示我接受并同意安装“ Multi Tab”并将Chrome:trade_mark:New Tab设置为该服务以及《最终用户许可协议》和《隐私权政策》中的其他支持或提供反馈，请访问我们在https://www.multi-tab.xyz/contact.html隐私政策：https://www.multi-tab.xyz/privacy-policy.html EULA：https://www.multi-tab.xyz/ eula.html

自动驾驶中的深度强化学习 最适合离散操作：4名工人，学习率1e-4 无法使其在连续动作空间中正常工作； 它产生的动作出了问题 A3C创意 总览 人工神经网络的架构

交通流量预测项目 model 模型包 目前主要的用于执行预测的模型都存储在此仓库中，主要包含一下的类型 SVR及GA_SVR LSSVR及GA_LSSVR KNN_GA_LSSVM BP及BP_GA plot 绘图包 目前主要用于指定需要绘制的对象图表，以及对于数据图表的布局指定。 Line 线型图 Wireframe 线框图 data 数据包 目前主要用于指定数据处理的pipe流程，用于实现对于数据流程的预处理，以及输出等。 lib 基础库 构建程序所需的基础构件，包含但不限于程序元类包、程序类的基础原型、部分算法原型。 tasks 库 支撑了基础库中的任务执行流程，主要用于执行任务 列出可执行任务 python -m tasks list 执行任务操作 python -m tasks start ... 绘制图表 绘制流量预测

利用多标签对数据进行多分类，效果会有很大的改善，example里面是主程序，para的值自己给定。

多标签文本分类 Kaggle有毒评论挑战 随着可用数据的不断增加，迫切需要对数据进行组织，而现代分类问题通常涉及与单个实例同时关联的多个标签的预测。 这种称为多标签分类的任务就是这样的任务，它在许多现实世界中的问题中无所不在。 在这个项目中，以Kaggle问题为例，我们探索了多标签分类的不同方面。 该项目的鸟瞰图： 第1部分：多标签分类概述。 第2部分：问题定义和评估指标。 第3部分：探索性数据分析（EDA）。 第4部分：数据预处理。 第5部分：多标签分类技术。 有关此项目的详细博客，请参见[ ]