随机动态规划是一种用于不确定情况下决策的优化技术。 在这个程序中，该技术被应用于水库管理，以确定从水库释放的水量。
2021-12-30 10:50:15
6KB
1
控制流图圈复杂度确定
V(G) =流图中区域个数 (由结点和边围起来的区域—图中外部区域也是一个区域)
V(G) = 边的个数- 结点个数 + 2
V(G) =流图中(简单)判定结点个数+ 1
圈复杂度（Cyclomatic complexity）（环形复杂性）：
是一种为程序逻辑复杂性提供定定量测度的软件度量。
当该度量用于基本路径测试方法，计算所得的值给出了程序基本集的独立路径数量，这是为确保所有语句至少执行一次而必须进行测试数量的上界。
可用以下3种方法之一来计算复杂性：
2. Determine the cyclomatic complexity of the resultant flow graph
Note: can be determined without developing a flow graph
count all conditional statements in a component
compound conditions count as 2
(number of Boolean operators + 2)
2021-12-30 01:01:34
601KB
1
人脸图像识别应用-WIP
该项目使用 ，由指导，利用其“ 2020年完整的Web开发人员：从零到精通” 。 并与结合使用。
此应用程序的目的是拍摄任何图像（.png或jpg），并自动检测图像中的任何面Kong。
可用脚本
在项目目录中，可以运行：
npm start
在开发模式下运行应用程序。 打开在浏览器中查看。
如果进行编辑，页面将重新加载。 您还将在控制台中看到任何棉绒错误。
预览：
在制品
登录/注册（工作中）
数据库（用户配置文件）
服务器
2021-12-29 00:20:00
68.92MB
1
利用状态依赖控制策略对切换信号进行设计, 使得一类参数不确定时滞非线性切换系统指数稳定且具有一定的H∞ 抗干扰性能. 利用Lyapunov-Krasovskii (LK) 函数方法, 以线性矩阵不等式组的方式, 给出了稳定切换律存在的充分条件, 并且该系统是指数稳定的. 通过引入自由矩阵并结合积分不等式技巧, 得到了保守性较低的稳定性条件. 仿真算例表明了所提出方法的有效性和较低的保守性.
2021-12-28 21:53:27
186KB
1
基于粒子群优化算法(PSO)确定参数的脉冲欧和神经网络滤波方法。利用粒子群优化算法(PSO)确定pcnn图像滤波参数，对图像进行滤波(Based on Particle Swarm Optimization (PSO) to determine the parameters of the pulse in Europe and neural network filtering method. The use of particle swarm optimization (PSO) to determine PCNN parameters of image filtering, image filtering)
2021-12-27 20:06:35
1KB
由于风电功率预测的局限性，难以准确而有效地刻画风电功率的概率分布函数，提出考虑风电功率概率分布不确定性的含风电配电网无功规划方法。该方法可有效应用于风电概率分布集合中的任意分布情况，在一定概率约束下保证配电网的安全运行要求，同时最小化配电网网损和无功设备投资成本之和。采用概率分布鲁棒机会约束模型描述含风电的配电网无功规划问题，根据潮流平衡等式分离节点电压和支路功率约束中的随机向量，根据条件风险价值（CVaR）的物理意义构建关于节点电压约束和支路功率约束的CVaR模型，利用对偶优化、Schur补和S-lemma的性质将该模型转化为确定性的双线性矩阵不等式（BMI）问题。采用基于BMI优化的免疫粒子群算法求解该问题。改进的IEEE 33节点配电系统仿真结果验证了所提无功规划方法的可行性和有效性。
2021-12-27 18:26:22
1.16MB
1
确定性不确定性量化（DUQ）
此存储库包含进行的代码，该代码已在ICML 2020上接受发布。
如果代码或论文对您的研究有用，请在我们的工作中添加引用：
@article{van2020uncertainty,
title={Uncertainty Estimation Using a Single Deep Deterministic Neural Network},
author={van Amersfoort, Joost and Smith, Lewis and Teh, Yee Whye and Gal, Yarin},
booktitle={International Conference on Machine Learning},
year={2020}
}
依存关系
该代码基于PyTorch并需要一些其他依赖项，列在。 该代码已使用环境文件中指定的版本
2021-12-26 10:51:17
174KB
1