强化学习在二十一点 用于玩二十一点变体的几种强化学习算法的实现 为了运行所有算法，只需运行 main.py。 这将执行 test_all_algorithms() 函数，该函数运行 MC、SARSA 和线性函数近似与 SARSA，并带有显示结果的图。 其他模块的详细信息： environment.py - 包含 step() 函数和环境的实现 rl_algorithms - 包含 MC、SARSA 和线性函数逼近 plotting.py - 包含绘制值函数、SARSA 和 LFA 结果的函数 policy.py - 放置策略的地方，目前只包含 epsilon 贪婪策略 Utility.py - 计算均方误差并将状态转换为 LFA 的特征向量

Gitbook主题为Typora 这个错别字主题是受文档样式启发的。 它具有三个变体： Azure ， Slate和Teal 。 在Windows 10和macOS上进行设计和测试。 未经测试，但它也适用于Linux。 安装说明 在下载压缩的项目包并解压缩。 将gitbook-azure.css ， gitbook-slate.css和gitbook-teal.css文件以及文件夹gitbook到Typora主题库中。 启动或重新启动Typora，然后从主题菜单中选择Gitbook Azure ， Gitbook Slate ， Gitbook Teal 。 贡献 如果某事不起作用/外观不正确或您有任何建议，请。 如果愿意，您也可以创建自己的此主题变体。 请注意，该主题仍在开发中。 期望定期更新。 修改 如果您更喜欢1.9版之前使用的slate变体的颜色（这些颜色更浅些，更像是s

matlab代码替换双种群遗传算法 该存储库托管了双种群遗传算法的MATLAB实现，以验证其功能。 它是稳态遗传算法的一种变体，适用于遗传算法的硬件实现上的流水线处理。 描述 有关双重种群遗传算法的详细信息，请参见我们发表的论文（或）。 遗传算法（GA）高速并行处理的一个机会是能够流水线化其串行操作，例如选择，复制，适应性计算和替换。 在稳态遗传算法的背景下，每次迭代都会进行选择和替换。 由于它们将需要在流水线模式下同时访问内存，因此在稳定状态的GA中并行进行选择和替换存在自然的困难。 双重填充方案的总体目标是可以同时执行选择和替换，以提高计算速度。 通过定义两个总体来完成，其中一个用于选择，另一个在任何迭代中用于替换，而它们在下一个迭代中切换其角色。 双种群GA的伪代码为： Initialize two identical populations, with index i: for i={0, 1} i=0 While termination condition not met Select two chromosomes from population i Do Crossove

SpliceAI：一种基于深度学习的工具，可识别剪接变体 如所述，该软件包注释了遗传变异及其对剪接的预测作用。 更新：基因中所有可能的替换，1个碱基插入和1-4个碱基缺失的注释可下载。 这些注释对于学术和非营利性组织都是免费的； 其他用途需获得Illumina，Inc.的商业许可。 安装 安装SpliceAI的最简单方法是通过pip或conda： pip install spliceai # or conda install -c bioconda spliceai 或者，可以从安装SpliceAI： git clone https://github.com/Illumina/SpliceAI.git cd SpliceAI python setup.py install SpliceAI需要tensorflow>=1.2.0 ，最好通过pip或conda单独安装（有关其他安装选项

欧拉螺线是通过计算菲涅耳积分生成的。 通过改变一些参数，不同类型的产生螺旋。 EulerSpiral.m 制作简单的绘图。 EulerSpiralDeco.m 制作带状图和管状图。

matlab的素描代码常用方向 使用频繁方向（FD）变体进行矩阵草图绘制的Matlab代码。 实现原始和快速的FD算法（Liberty，2013），在迭代SVD和FD之间平滑变化的参数化（Desai等人，2016）以及适用于稀疏输入的随机变量（Teng＆Chu，2017）。 安装 将单个文件添加到您的Matlab路径。 将Examples目录添加到路径对于运行示例很有用。 可以从“ Testing目录中运行单元测试。 例子 要绘制内存矩阵： k = 16; % sketch size sketcher = FrequentDirections(k); % Initialize object d = 64; % data dimensionality data = randn(1000,d); sketcher(data); % process samples get(sketcher) % return sketch sketcher.coverr(data) % covariance error sketcher.projerr(data) % projection error 要绘

中文错别字纠正工具。音似、形似错字（或变体字）纠正，可用于中文拼音、笔画输入法的错误纠正。python3开发。pycorrector依据语言模型检测错别字位置，通过拼音音似特征、笔画五笔编辑距离特征及语言模型困惑度特征纠正错别字。

gomoku_ai [RU] [RU] 在Gomoku中使用minimax算法，MTD（f），MCTS的变体进行实验mtdf（10）-危险的修剪，可能导致意外损失主要的AI代理位于mtdf（10）_worker.js中。 您可以在这里与AI对战 在Chrome中打开html文件时，您会看到此错误 Chrome浏览器不允许您从本地文件加载网络工作者。 C ++版本

FRENEL(X) 计算向量 X 的实数值的菲涅耳积分值， IE C = \int_0^x cos(pi*t^2/2) dt, (0a) S = \int_0^x sin(pi*t^2/2) dt (0b) 此外，它评估菲涅耳积分的以下变化C1 = \sqrt(2/pi) \int_0^x cos(t^2) dt, (1a) S1 = \sqrt(2/pi) \int_0^x sin(t^2) dt (1b) 和C2 = \sqrt(1/2/pi) \int_0^x cos(t) / \sqrt(t) dt, (2a) S2 = \ sqrt（1/2 / pi）\ int_0 ^ x sin（t）/ \ sqrt（t）dt（2b） 积分计算如下： - 区间 [-5,5] 中的 X 值在 [1] 的表 7.7 中查找，并在必要时进行插值（“三次”）。 该表具有 7 位有效数字的菲涅耳积分

三重搭配 一组实现函数实现了（扩展的）三重搭配方法 (TC) 的变体，TC 是一种统计工具，用于确定与相同真实序列的三个重合噪声估计相关的 RMSE 和相关系数。 函数是用 Matlab 编写的，（在某些情况下）也可用于 Python 翻译。 这些功能是免费提供的，需要重新分配的属性。 目前提供的变体是 1) 误差相关滞后三重协同定位 (ECLagTC) 引文： Konings, AG、KA McColl、SH Alemohammad、D. Entekhabi 和 CH。 苏 (2014)。 相似数据集的误差表征：具有相关误差的三重搭配，提交给 Geophys。 水库莱特。 三重搭配的一种变体，它使用三个数据集之一的滞后版本作为第三个数据集，因此只需要两个独立的数据集。 与其他版本的 TC 不同，不假定不同数据集的误差是独立的，并且明确考虑了它们的互相关。 ECLagTC 方法使