伯乐(RecBole) “世有伯乐,然后有千里马。千里马常有,而伯乐不常有。”-韩愈《马说》 | | | RecBole是基于Python和PyTorch开发的,用于在统一,全面,高效的框架中再现和开发推荐算法,以用于研究目的。 我们的库包含65种推荐算法,涵盖了四个主要类别: 一般建议 顺序推荐 情境感知推荐 基于知识的推荐 我们设计了统一而灵活的数据文件格式,并为28个基准推荐数据集提供了支持。 用户可以应用提供的脚本来处理原始数据副本,或者简单地由我们的团队下载处理后的数据集。 图片:RecBole总体架构 特征 通用和可扩展的数据结构。 我们设计通用和可扩展的数据结构,以统一
1
两个DataGridView通过委托实时传值,安全高效 C# 两个窗体之间实时传递数据的实例。利用委托和事件的方法,从子窗体传送数据到主窗体。比较安全。
2022-03-01 11:07:12 59KB DataGridView 委托
1
利用GRS(generalized reed-solomon)码的生成多项式提出了基于改进的2-D GRS(two-dimensional GRS)码设计和构造QC-LDPC(quasi-cyclic low density parity-check)码的方法,使所构造的码具有较好的译码性能。同时在码的构造过程中,考虑到了准双对角线结构和合适的度分布。不同码率的LDPC码用于和新设计的QC-LDPC码进行测试和比较。实验结果表明,所提出的码构造方法可加快LDPC码校验矩阵的构造,同时基于所提出方法构造的QC-LDPC码可提高译码性能,并降低编码复杂度。
1
使用数值方法求解机器人运动计划,以解决最佳控制问题。 规划可以采用运动学约束(例如位置、速度、加速度、加加速度边界)、动力学约束(例如机器人刚体动力学包括重力、离心力和科里奥利力、惯性力、关节扭矩限制,甚至扭矩变化率限制),以及碰撞避免考虑在内。 解决时间在几秒钟内。 详细信息参见出版物:“机器人运动规划的高效轨迹优化”,Yu Zhao、Hsien-Chung Lin、Masayoshi Tomizuka,ICARCV 2018。 有关可用演示的列表,请参阅https://github.com/yzhao334/Efficient-Trajectory-Optimization-for-Robot-Motion-Planning--Examples 。 所需软件包:chebfun、CasADi。 包中包含的其他依赖项(STLRead 和 STLWrite)
2022-02-28 14:54:57 2.03MB matlab
1
REQUIRES UNITY 4.6/5/2017/2018/2019 or higher (will automatically activate features based on your Unity version). IMPORTANT: if upgrading from a version older than 1.0.000, follow these instructions carefully DOTween Pro extends the free engine DOTween, implementing new features both for scripting and visual scripting, including extra features for these external assets (if present): - 2D Toolkit - TextMesh Pro (both payed and free version)
2022-02-27 18:20:14 493KB DOTween Unity
1
针对无线传感器网络面积大、节点传输距离远的特点而导致能量消耗过快容易死亡的问题,引入定向天线,设计了基于混合天线的高能效收集路由协议(EEMC)。通过定义距离阈值,在区域内构造多条短链,短链通过链头收集链内节点数据后直接与基站通信。距离阈值根据链路位置和节点死亡情况长链系数有所变化,短链间采用全向天线传输数据,链头节点通过定向天线向远处的基站发送数据。仿真结果表明,该算法大大减缓了第一个死亡节点到来的时间,节省了每轮的网络能耗,降低了通信时延。
1
高效且可扩展的物理信息深度学习 搭配为主PINN求解器和PDE发现方法之上分布式计算多工人。 如果需要,请使用TensorDiffEq: 一个无网格的PINN求解器,可以分布在多个工作程序(GPU)上以解决正向问题(推理)和逆向问题(发现) 可扩展域-迭代求解器构造允许ND时空支持包括对不带时间元素的ND空间域的支持 正向和反向PINN的自适应配置方法 直观的用户界面,可对变量域,边界条件,初始条件和强格式PDE进行明确定义 是什么让TensorDiffEq与众不同? 完全开源 求解可解决正向和反向问题,从而提高了解决方案的准确性和培训的稳定性,从而减少了总体培训时间 适用于大型或细粒度时空域的多GPU分布式训练 建立在Tensorflow 2.0之上,以增加对最新TF版本独有的新功能的支持,例如,有效图形构建的以及图形优化的*-源代码不可能再被淘汰Tensorflow版本发行 直
2022-02-25 16:59:54 817KB tensorflow gpu neural-networks gpu-acceleration
1
高效时间管理技能-GTD(PPT页).pptx
2022-02-25 09:03:19 8.73MB
高效时间管理技巧(PPT页).pptx
2022-02-25 09:03:18 2.8MB
高效时间管理技巧.pptx
2022-02-25 09:03:18 876KB