原子轨道搜索（AOS）是一种为优化目的而提出的新型元启发式算法。 该算法的主要概念基于一些量子力学原理和基于量子的原子模型，其中基于电子围绕原子核的一般构型。

欧氏距离matlab代码具有变分自动编码器的q空间新颖性检测 该存储库包含本文的正式实现。 依存关系： Python3 茶野 千层面 麻木 科学的 Matlab的 方法： 在Matlab中实现了基于距离和密度的方法。 其他方法在python中实现。 用法： 要将建议的新颖性检测方法之一与您的数据一起使用，您应该： 在model / Data.py中实现数据加载方法 根据您的数据训练模型 运行建议的方法之一： # test_data = ... nd = NoveltyDetection ( model = 1 ) res = nd . compute_fast_novelty_scores ( test_data ) # ... 对于matlab方法，数据应首先以“ mat”格式保存： # normal_data = ..., test_data = ... nd = NoveltyDetection ( model = 1 ) latent_normal_data = nd . encode ( normal_data ) latent_test_data = nd . encode

这是一个txt文件，里面主要是课程设计、毕业设计的一些题目，里面有很多题目，可供大家选择参考自己如何选题，方便大家。

一种用于关系三重提取的级联二进制标记框架 该存储库包含该论文的源代码和数据集：一种用于关系三重提取的新颖级联二进制标记框架。，，，袁田，。 ACL2020。 概述 提出的CasRel框架的核心是全新的观点，即我们将关系建模为将主体映射到对象的函数，而不是将关系视为实体对上的离散标签。更确切地说，我们不是学习关系分类器f（s，o）-> r，而是学习特定于关系的标记f_ {r}（s）-> o，每个标记都可以识别给定主题下的可能对象。一个特定的关系。在这种框架下，关系三重提取是一个分为两个步骤的过程：首先，我们确定句子中所有可能的主语；然后针对每个主题，我们应用特定于关系的标记器来同时识别所有可能的关系和相应的对象。 要求 此仓库已在Python 3.7和Keras 2.2.4上进行了测试。主要要求是： tqdm 编解码器 凯拉斯伯特= 0.80.0 tensorflow-gpu = 1.

对抗性学习的新颖性检测一类分类器（ALOCC-CVPR2018） 这项工作的灵感来自生成对抗网络（GAN）的成功，该网络可在无人监督和半监督情况下训练深度模型。 我们为一类分类提出了一种端到端的体系结构。 该体系结构由两个深层网络组成，每个深层网络通过相互竞争进行训练，同时共同协作以了解目标类中的基础概念，然后对测试样本进行分类。 一个网络用作新颖性检测器，而另一个网络则通过增强内部样本并扭曲异常值来支持它。 直觉是，增强后的离群值和失真的离群值的可分离性比决定原始样本要好得多。 这是灰度数据库上代码的初步版本。 如有任何疑问，请随时与我联系。 概述 注意：当前软件可与TensorFlow 1.2一起很好地运行 先决条件 Windows，Linux或macOS 的Python 3 CPU或NVIDIA GPU + CUDA CuDNN 入门 安装 从安装TensorFlow

行业-电子政务-基质化合物和掺杂剂化合物的新颖组合及包含该组合的有机电致发光器件.zip

一种新颖的3D频域SAGE算法及其在毫米波大规模MIMO室内信道中的参数估计中的应用

行业分类-外包设计-新颖的色烯-2-酮衍生物和它们作为单胺神经递质再摄取抑制剂的用途.zip

行业分类-外包设计-作为单胺神经递质再摄取抑制剂的新颖烷基取代的哌嗪衍生物.zip

行业分类-外包设计-新颖的羧酸4-苯基偶氮-苯基酯衍生物及其作为单胺神经递质再摄取抑制剂的用途.zip