19616 IP Messaging EvolutionTest Plan v1.7.docx
2022-07-13 13:09:34
116KB
19617 RRM performance test plan v1.6.docx
2022-07-13 13:09:33
449KB
19833 APTN for NR devices Test Plan v1.0.doc
2022-07-13 13:09:27
325KB
14678 TTY Terminal Test Plan v2.6.1.docx
2022-07-12 20:06:19
124KB
[英语学习]Unit 7 Lesson Plan and Lesson interpretation
2022-06-19 19:04:41
462KB
国际民航组织附件，用来供民航专业从业人员浏览学习，附件编号：Doc_9750，附件名称：Global_Air_Navigation_Plan
2022-06-12 11:04:25
61.21MB
1
在PostgreSQL中保存和还原查询计划
基本原理
sr_plan看起来像Oracle Outline系统。 它可以用来锁定执行计划。 如果您不信任计划者或不能制定更好的计划，则很有必要。
编译安装
make USE_PGXS=1
make USE_PGXS=1 install
并修改您的postgres配置：
shared_preload_libraries = 'sr_plan'
用法
在数据库中安装扩展：
CREATE EXTENSION sr_plan;
如果要保存查询计划，则必须设置变量：
set sr_plan . write_mode = true;
现在，所有后续
2022-06-02 14:45:18
30KB
1
Coexistence_Test_Plan_Package_v2.0
WiFi 联盟官方文档
2022-05-31 09:00:55
605KB
1
提出了一种数据驱动的神经网络（NN）优化框架，以在确定缴款养老金计划的积累阶段确定最佳资产分配。 与通过偏微分方程方法计算的基于参数模型的解决方案相比，所提出的计算框架可以扩展到高维多资产问题。 更重要的是，所提出的方法可以直接从市场收益中确定最佳的NN控制，而无需为收益过程假设特定的参数模型。 我们通过将NN控制与由Hamilton-Jacobi-Bellman（HJB）方程的解决方案确定的最优控制进行比较，来验证所提出的NN学习解决方案。 HJB方程解基于已根据历史市场数据校准的双指数跳跃模型。 NN控制几乎达到最佳性能。 一种替代的数据驱动方法（不需要参数模型）是基于使用历史引导重采样数据集的。 通过使用不同于测试数据的块大小进行训练来检查鲁棒性。 在两种和三种资产情况下，我们都比较了从市场收益样本路径直接学习的NN控件的性能，并证明了它们始终明显优于固定比例策略。
2022-05-13 00:05:45
279KB
1