PyTorch的官方实现: 深度学习中域内不确定性估计和集合的陷阱,ICLR'20 / / // 海报视频(5分钟) 环境设定 以下内容允许使用创建并运行具有所有必需依赖项的python环境: conda env create -f condaenv.yml conda activate megabayes 日志,图表,表格,预训练砝码 在文件夹中,我们提供: 保存的日志以及所有计算结果 ipython笔记本示例,可重现绘图,表格并计算深整体等效(DEE)分数 某些模型的预训练权重可以在以下: 和等。这些权重还可以通过通过命令行界面下载: pip3 install wldhx.yadisk-direct % ImageNet curl -L $(yadisk-direct https://yadi.sk/d/rdk6ylF5mK8ptw?w=1) -o deepens_imag
2022-05-16 19:57:23 10.79MB deep-learning pytorch uncertainty ensembles
1
matlab射线追踪代码QD实现软件 专用于mmWave RF应用的MATLAB开源通道模型。 目录 安装 该软件不需要任何安装过程:只需将存储库下载或克隆到本地文件夹。 要求 该代码库是用MATLAB编写的。 目前正在MATLAB R2019b上对其进行测试,但应向下兼容MATLAB R2016b。 无需工具箱即可运行代码。 怎么跑 打开main.m脚本和编辑变量scenarioNameStr如果需要的话你的脚本文件夹的相对路径(请注意,场景的创建/配置/解释的文档中描述)。 默认情况下,该软件配置为运行examples/BoxLectureRoom方案。 运行main.m脚本 文献资料 有关该软件的更多详细信息,请参见文档()。 特征 开源的 基于图像方法的光线追踪 专为mmWave传播量身定制,考虑了镜面反射并忽略了衍射 包括基于实际测量的准确定性射线扩散模型 还包括用于射线扩散的材料库 支持基于跟踪的移动性 接受XML和AMF格式的CAD文件 贡献 反馈和补充都非常受欢迎! 您可以直接联系以获得任何信息。 有关更多信息,请检查文件。 作者 国家标准技术研究所 SIGNET集团
2022-05-16 17:21:15 33.82MB 系统开源
1
5G定义了增强型移动宽带(eMBB)、超可靠低延迟通信(URLLC)、大规模机器类型通信(mMTC)三大场景。针对这三大场景,在2018年6月已完成的3GPP R15标准不仅定义了5G NR(新无线)以满足5G用例和需求,还定义了新的5G核心网(5GC),以及扩展增强了LTE / LTE-Advanced功能。 本包包括5G R15标准大全,从3GPP网站下载R15所有标准。下载包包括对5G标准的介绍,按照需求/架构/协议分层次分目录地 整理了5G R15原版标准,最新版本到2020年4月,另附标准列表。辛苦整理,请下载点赞。
2022-05-16 09:43:14 38.28MB R15标准 确定性网络 工业互联网 URLLC
1
DynaProg提供了一种灵活的工具来解决有限水平的多阶段确定性决策问题,该问题是必须为经过有限级数演化的系统的每个阶段都做出决策,以最大程度地降低总成本。 该工具箱允许您定义自己的优化问题,并尝试使用动态编程来解决。 该工具箱在帮助浏览器中集成了html文档。
2022-05-11 14:49:05 1.43MB matlab
1
安全技术-网络信息-新能源风电运营不确定性收益管理方法及信息系统研究.pdf
2022-05-01 10:00:16 12.12MB 文档资料 安全 网络
两种版本 一份年限:1995-2021 一份年限:2000-2022 两种不同指标(EPU与TPU) 计算得出的经济不确定性指数。
2022-04-30 14:04:13 957KB 文档资料
Matlab程序内包含建模步骤,问题,见解,可运行!为什么用蒙特卡罗计算不确定性?怎么用蒙特卡罗计算不确定性
参考资料集:碳排放_蒙特卡罗模拟污染物CO2排放及不确定性分析计算
2022-04-28 09:09:12 73.73MB 碳排放 蒙特卡罗 不确定性
1
Python中的开源,隐式3D结构地质建模。 概述 是一个基于Python的开源库。 基于潜在的强大隐式表示方法,它能够构建折叠结构,断层网络和不整合面的复杂3D地质模型。 安装 我们通过PyPi软件包服务提供了GemPy的最新发行版。 我们强烈建议您使用PyPi, $ pip install gempy 因为它将自动安装所有必需的依赖项-在Windows中需要额外一步。 Windows没有预安装gcc编译器。 获得与theano兼容的编译器的最简单方法是使用theano conda安装。 因此,该过程将如下所示: $ conda install theano $ pip install gempy 有关更多信息,请参阅。 资源 安装后,您可以查看笔记本教程或视频介绍以开始使用。 请访问文档站点以获取更多信息,并享受教程和示例。 如有疑问和支持,请使用讨论。 如果您发现错
2022-04-27 13:19:21 27MB python theano interpolation modeling
1
人工智能08不确定性
2022-04-27 09:15:01 1.38MB 人工智能 综合资源 数据仓库