国外官网上下的yolov3.weights权重，容易的断，不太好下，好不容易下载成功，230多兆，有需要的朋友可以下载。

一种熵值法确定指标权重的matlab程序，可用于综合评价体系

DeepLabv3Plus-Pytorch DeepLabv3，DeepLabv3 +和VOC和Cityscapes上的预训练权重。 可用架构 使用“ --model ARCH_NAME”指定模型体系结构，并使用“ --output_stride OUTPUT_STRIDE”设置输出步幅。 DeepLabV3 DeepLabV3 + deeplabv3_resnet50 deeplabv3plus_resnet50 deeplabv3_resnet101 deeplabv3plus_resnet101 deeplabv3_mobilenet deeplabv3plus_mobilenet 可用型号： ， 加载预训练的模型： model . load_state_dict ( torch . load ( CKPT_PATH )[ 'model_state' ] )

提出了一种改进的量子粒子群算法,并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重,平衡了算法的全局搜索和局部搜索能力;针对混合整数规划问题,给定一定比例的初始可行解,提高了初始种群解的多样性;利用协同进化选择策略,对种群中的不可行解重新生成,使种群中每个粒子的信息充分利用,从而提高算法的收敛速度;为了抑制算法的早熟现象,给出了一种新的混沌搜索方式,对全局最优解进行局部搜索,增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明,改进的量子粒子群优化算法对求解非线性混合整数规划问题,在成功率和精度方面得到很大的提高。

YOLOv5权重文件：S模型。yolov5系列将在2020年第2/3季度进行架构研究和开发，以提高性能。更新可能包括来自yolov4的CSP瓶颈，以及PANet或BiFPN head特性。

HRNet的官方预训练权重，包含3个权重，这是其中一个： MPII w32 256x256 (MPII human joints) pose_hrnet_w32_256x256.pth

用神经网络确定权重的matlab代码功能加标RNN 概述 该存储库提供了以下框架中提供的代码： Kim R.，Li Y.和Sejnowski TJ。 构建功能性尖峰递归神经网络的简单框架。 美国国家科学院院刊。 116：22811-22820（2019）。 提供预印本。 要求 连续速率RNN 用于构建和训练连续变量速率递归神经网络（RNN）模型的代码是在Python中实现的（已在Python 3.6.9中进行了测试）。 该代码还需要TensorFlow（在TensorFlow 1.5.0和1.10.0中进行了测试）。 tesnorflow 1.5.0或1.10.0 tensorflow-gpu 1.5.0或1.10.0（如果有GPU卡，则可以加快大型模型的培训时间） numpy的1.16.4 scipy 1.3.1 加标RNN 用于构建尖峰RNN模型的代码是在MATLAB中实现的（已在R2016a和R2016b中进行了测试）。 该代码实现了泄漏的集成解雇（LIF）网络，并且是由所开发的代码的修改版本。 用法 首先对速率RNN模型进行训练，然后将训练后的模型映射到LIF尖峰RNN。 用于

针对经典线性回归模型无法反映变量间的非线性关系,不适宜预测有模糊数的煤炭发热量的问题,提出了一种基于三角模糊数的多元非线性回归的煤炭发热量预测模型。以我国新疆伊犁地区煤炭工业分析为建模数据和模型检验数据,将计算模糊中心值和模糊幅度值的问题转化为约束非线性优化问题,采用MATLAB优化工具箱求解。最后对比分析了模糊非线性回归、经典线性回归、BP(Back Propagation)神经网络及支持向量机回归4种模型对测试煤样发热量的预测结果。结果表明,模糊非线性回归模型的线性拟合优度值为0.9997,调整后的非线性拟合优度值为0.9838,均方误差为0.4473;测试煤样的平均相对误差为0.0203,80%的测试煤样模糊隶属度大于0.5。模糊非线性回归模型具有很高的精确度和可靠性,可用来预测预报煤炭发热量。

熵权法求权重python代码，快速高效实用价值高，熵权法求权重python代码

随着互联网和科技的不断发展进步,市场营销渠道更加多样,除了传统渠道外,电子营销渠道越来越受广大消费者的喜爱。然而,企业是否一定需要并且能够建立电子分销渠道,是否分销渠道越多越好,企业如何选择最优分销渠道以实现利润最大化,是现阶段企业面临的重要问题。出于对以上问题的考虑,在以往学者研究的基础上,将直觉三角模糊数TOPSIS方法应用于分销渠道的选择中,试图为企业评估分销渠道的优劣提供一种量化方法,使管理者更加科学客观地做出决策。最后通过案例仿真,利用直觉三角模糊数TOPSIS方法在3种分销渠道方案中选择出了最优方案,证实了该方法的有效性和可行性。该方法的提出,为量化分销渠道的选择提供了新的思路,也为管理者科学、高效的管理活动提供了可靠的工具。