绝地求生-画质参数优化工具，可用于游戏画面模糊，草地数目不清晰，或者闪退时处理使用。
其内置了部分配置文件，即使是GTX960 2G显卡，也能实现中高画质组合下流畅60FPS吃鸡，同时保证了画面的清晰度。
对于绝地求生这款游戏，如果要实现最高画质，其显存至少需要6G。少于6G显存的显卡，开全高画质也有闪退的风险。
2022-12-20 20:03:53
282KB
1
比较了现今应用比较广泛的3种支持向量机( SVM)参数优化方法. 具体分析了网格法、遗传算法和粒子群算 法在 SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法. 先在较大范围内进行搜索,在得到的优化结果 附近区域再进行精确搜索. 实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.
2022-12-16 13:52:49
422KB
1
针对光伏并网逆变器LCL 滤波器的大纹波电流和高频谐波损耗问题,分析了电感之和、电感比值和滤波电容值、谐振频率以及入网电流之间的关系,提出了一种LCL滤波器参数最优设计方法.分析了LCL滤波器的传递特性并建立了谐波等效模型,研究了滤波参数对谐振频率以及并网电流的影响,根据LCL滤波器的设计约束条件和光伏并网逆变器实例设计了一组最优参数,并进行了仿真研究.结果表明,提出的优化方案不仅能够有效抑制开关频率的高频纹波,还能减小电感取值和阻尼损耗.
2022-12-16 09:32:02
554KB
1
一个简单的网格搜索框架
网格搜索就是穷举法，对所有可能的参数组合都带入程序，进行尝试。
模型参数对应：SARIMA(p,d,q)(P,D,Q)m，对于模型来说并不是所有输入参数都是有效的，
如季节周期参数m不能为0，当m=0时，会导致SARIMAX函数报错。
以SARIMA模型为示例，介绍了如何对模型的参数进行网格搜索来找到较优参数
SARIMA是对AR,MA,ARIMA模型的改进，添加了季节周期的因素在里面
在网格搜索配置超参数的时候也是一个学习点
2022-12-02 19:28:17
15KB
1.SARIMA模型的网格搜索超参数优化 基本一样
指数平滑预测方法，预测是过去观察值的加权，模型对过去观察值使用指数递减权重
所谓三重指数平滑在股票中指对数据重复进行三次平滑处理，从而减小数据波动。对应的指标叫TRIX
在时间序列预测中,三次指数平滑算法指可以对同时含有趋势和季节性的时间序列进行预测，该算法是基于一次指数平滑和二次指数平滑算法的
程序只修改了使用的预测模型部分，
从SARIMA模型改成了ExponentialSmoothing模型
同时修改了模型使用的参数，别的逻辑基本相同
内容：
1.网格搜索框架
2.无趋势和季节性研究
3.趋势性研究
4.季节性研究
5.趋势和季节性研究
2022-12-02 14:29:43
14KB
传统的PID控制器参数优化方法容易产生振荡和较大的超调量，因此智能算法如遗传算法（SGA）和粒子群算法（PSO）被用于参数优化，弥补传统算法的不足，但是遗传算法在进化过程中收敛速度慢，粒子群算法存在易于早熟的缺点。在分析量子粒子群算法（QPSO）的基础上，在算法中引入了权重系数，提出使用改进的量子粒子群算法（WQPSO）优化PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后，通过三个传递函数实例，分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计，并对结果进行了分析。
2022-11-29 21:37:32
866KB
1
本文主要是从HBase应用程序设计与开发的角度，总结几种常用的性能优化方法。
1. 表的设计
2. 写表操作
3. 读表操作
4. 数据计算
2022-11-28 14:25:14
57KB
1
贝叶斯超参数优化库optuna安装包及依赖库，可利用pip离线安装
实现基于各类算法的贝叶斯优化，代码简洁，灵活性好。
2022-11-23 10:53:32
48.45MB
1
针对同一场景的红外和可见光图像间一致特征难以提取和匹配的难题, 提出了一种在多尺度空间中基于边缘最优映
射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换
模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提
取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构
相似度最大. 在各层的寻优结束之后, 使用Powell 算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充
分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.
射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换
模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提
取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构
相似度最大. 在各层的寻优结束之后, 使用Powell 算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充
分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.
2022-11-22 03:57:32
596KB
1
MATLAB神经网络之SVM神经网络中的参数优化---提升分类器性能.zip
2022-11-21 20:25:54
286KB