强化学习
深度学习：优化
创建人：Vithurshan Vijayachandran和Hisho Rajanathan
RLearning_NOTEBOOK.ipynb-适用于基本（Q学习）和高级任务（DQN和DDQN）的Jupyter笔记本。
RL_Rport.pdf：报告所有研究结果和评估。
使用以下预训练模型来测试网络，因为重新训练非常耗时。
DQNTrainingModel.h5-测试DQN网络所需的文件
DDQNTrainingModel.h5-测试DDQN网络所需的文件
DDQNPERTrainingModel.h5 =使用PER网络测试DDQN所需的文件
2021-09-14 10:57:27
2.5MB
1
## 1。企业门户网站
项目基于VS2012以上开发（过渡升级为2013），数据库基于Sql2008以上，.NET FrameWork4.5以上开发
项目使用技术：asp.net Webform + ashx + easyui + kindeditor +上传下载
项目前台页面：LYSC.CompanyWeb.UI / Index.html，后台管理页面：LYSC.CompanyWeb.UI / admin / Login / Login.aspx
项目数据库脚本：LYSC.CompanyWeb.UI / DateFile
项目说明及开发流程：LYSC.CompanyWeb.UI / DateFile
## 2。项目说明
本项目已不再维护，运行遇到问题请自行断开点调试（代码已全部测试，问题应该不大），如果是技术问题请咨询我。
本项目所有内容全部开放，可下载使用任何地方。
## 3。项目
2021-09-12 15:25:25
3.67MB
1
动手使用Python进行元学习：使用Tensorflow使用一键式学习，MAML，爬行动物，Meta-SGD等进行学习学习
2021-09-06 19:38:20
36.59MB
1
可解释性深度学习用于12导联心电图的自动诊断
该存储库包含用于可解释性深度学习的代码，用于自动诊断12导联心电图。 心电图（ECG）是广泛用于心血管疾病诊断的可靠，非侵入性方法。 随着心电图检查的Swift发展和心脏病医生的不足，准确地自动诊断心电图信号已成为研究的热点。 深度学习方法已在预测性医疗保健任务中显示出令人鼓舞的结果。 在这项工作中，我们开发了一种深度神经网络，用于12导联心电图记录中的心律不齐的多标签分类。 在公开的12导联ECG数据集上进行的实验表明了我们方法的有效性。 所提出的模型在接收器工作特性曲线（AUC）下获得的平均面积为0.970，平均F1得分为0.813。 使用单导联心电图作为模型输入所产生的性能低于使用所有12条导联。 表现最佳的潜在客户是12根潜在客户中的潜在客户I，aVR和V5。 最后，我们采用了SHapley Additive exPlanations（
2021-09-06 16:47:45
23KB
1
51单片机学习源码100例包含仿真,PDF,源码,word文档
教学学习必备。这100例学完还不能精通51单片机？
2021-09-04 09:04:50
14.38MB
PHM深度学习
PHM中的深度学习，故障诊断中的深度学习，剩余使用寿命预测中的深度学习
该存储库的目的是收集PHM领域中深度学习的应用研究，收集和组织开源算法资源，并为研究人员提供学习和交流的平台。
文件
每周纸快递
2020年
|
评论论文
Dalzochio，J.等人，《机器学习和工业4.0中预测性维护的推理：当前状态和挑战》。 工业计算机，2020年。123：第。 103298.
Zhao，Z.等人，《旋转机械智能诊断的深度学习算法：开源基准研究》。 ISA Transactions，2020年。
Jiao，J.，et al。，卷积神经网络在机器故障诊断中的全面综述。 神经计算，2020年。
Singh，J.等人，滚动轴承PHM的机器学习算法的系统综述：基本原理，概念和应用。 测量科学与技术，2020年。
Liu，Z. and L. Zhang，大型风力涡轮机轴承的故障模式，状态
2021-08-23 07:40:52
11KB
1
Spring Boot是由Pivotal团队提供的全新框架，其设计目的是用来简化新Spring应用的初始搭建以及开发过程。该框架使用了特定的方式来进行配置，从而使开发人员不再需要定义样板化的配置。通过这种方式，Spring Boot致力于在蓬勃发展的快速应用开发领域(rapid application development)成为领导者。这里是v2.1.x的源码内容，下载后解压，跳过测试部分进行编译，即可自己学习源码啦。
2021-08-16 21:54:27
66.97MB
1
ORB-SLAM2（中文注释版）
评论员：
作者： ， ， 和 （ ）
2017年1月13日：现在支持OpenCV 3和Eigen 3.3。
2016年12月22日：添加了AR演示（请参见第7节）。
ORB-SLAM2是用于单目，立体声和RGB-D相机的实时SLAM库，可计算相机轨迹和稀疏的3D重建（在具有真实比例的立体声和RGB-D情况下）。 它能够实时检测环路并重新定位摄像机。 我们提供了在以立体或单眼，在以RGB-D或单眼，在以立体或单眼运行SLAM系统的。 我们还提供了一个ROS节点来处理实时单眼，立体声或RGB-D流。 该库可以在没有ROS的情况下进行编译。 ORB-SLAM2提供了一个可在SLAM模式和本地化模式之间切换的GUI，请参阅本文档的第9节。
相关出版物：
（单眼）劳尔·穆尔·阿塔尔（RaúlMur-Artal），蒙蒂尔（JMM Montiel）和胡安
2021-08-16 09:42:17
41.41MB
1