本代码在matlab里编写，将多智能体思想和粒子群算法结合起来形成基于多智能体的粒子群算法，并将其运用在IEEE40节点店里负荷分配问题上，取得不错的效果

基于Convolutional Block Attention Module (CBAM)的Multi-Attention模型设计与实现。模型本质上是并行添加了 CBAM 和 DeepMoji 注意力机制，并在最后将它们的特征进行合并。

obs多路推流插件

gitlab-ce-9.5.10-ce.0.el7.x86_64.rpm配套runner, 适用于CentOS7及以上系统, 国内下载速度极慢, 8byte/s能下一年

关于多智能体系统的IEEE经典论文，当然也很精美

基于mips32的多周期CPU设计，为计算机组成原理课程实验之一；通过学习源码能更好的对CPU架构及其具体实现有更深的了解，有助于课程学习。

水循环算法（WCA）中使用了非支配排序方法。

焦炉火中的DALL-E 在实现/复制 （OpenAI的文本到图像转换器）。 它还将包含用于对世代进行排名。 ， 和正在开发 ！ 如果您想了解DALL-E在TPU上的培训，请帮助他们。 在复制此内容之前，我们可以适应“或“ 状态 设法在仅2000张风景图像的数据集上训练了一个小的6层DALL-E！ （2048个视觉标记） 安装 $ pip install dalle-pytorch 用法 火车VAE import torch from dalle_pytorch import DiscreteVAE vae = DiscreteVAE ( image_size = 256 ,

matlab 心的代码 Multi-Kernel-Extreme-Learning-Machine Matlab code for "Multiple kernel extreme learning machine" 主运行文件是mkELM_DEMO.m,测试数据集是heart

使用Tensorflow数据并行，多GPU训练的demo。模型是一个image2image的模型，参考了dncnn。训练数据转为TFRecord文件。