Java麻将算法汇总（胡牌算法、AI算法、查胡算法、评估算法、出牌算法）majiang_algorithm-master.zip
2022-04-27 09:13:48
36.41MB
关于深度学习算法评估的规范，目前主要聚焦在可靠性方面，后续还会有关于可移植性和效率方面的内容。3.3MB清晰PDF
2022-03-14 13:33:49
3.04MB
1
持续学习基准
使用流行的持续学习算法评估三种类型的任务转移。
该存储库使用PyTorch实现并模块化了以下算法：
EWC： ，（克服神经网络中的灾难性遗忘）
在线EWC： ，
SI： ，（通过突触智能持续学习）
MAS： ，书面（“内存感知突触：学习（不）忘记的内容”）
创业板： ，（用于持续学习的梯度情景记忆）
（更多即将到来）
将以上所有算法与具有相同静态内存开销的以下基准进行比较：
天真彩排：
L2： ，
关键表：
如果此存储库对您的工作有所帮助，请引用：
@inproceedings{Hsu18_EvalCL,
title={Re-evaluating Continual Learning Scenarios: A Categorization and Case for Strong Baselines},
author={Yen-Chang Hsu a
2021-11-05 12:59:07
478KB
1
目的：结合直方图匹配（HM）算法，评估计划kVCT（pCT）与每日MVCT之间的可变形图像配准（DIR）的准确性，并使用建议的螺旋放射疗法自适应放射治疗方法评估可变形剂量累积（H T）。 方法：对本院接受HT治疗的5例前列腺癌患者（76 Gy / 38 Fr），每周调查7例MVCT系列（共35系列）。 首先，为了最小化pCT和MVCT之间不同HU值的影响，此图像处理方法通过使用HU值的图像累积直方图来调整pCT和MVCT图像之间的HU值，从而生成HM-MVCT。 然后，执行pCT对HM-MVCT的DIR，生成变形的pCT。 最后，对pCT图像进行可变形剂量累积。 结果：与非HM方法相比，使用HM算法显着提高了DIR的准确性（p <0.05）。 对于CTV，直肠和膀胱，非HM方法的平均骰子相似系数分别为0.75±0.05、0.83±0.06和0.90±0.04，而HM方法的平均骰相似系数为0.81±0.06、0.81±0.04，和0.92±0.06分别。 对于可变形剂量累积，在两种方法之间观察到一些差异，特别是对于较小的计算区域，例如直肠V60和V70。 结论：采用HM方法可以提高DIR
2021-04-14 15:15:24
1.41MB
1
迷宫相似
给定一系列迷宫编码为零和一，则确定哪两个迷宫最不相似。 为了解决问题，将迷宫转换为图形并使用深度优先搜索进行遍历，从而产生一系列方向。 通过使用动态编程算法评估每对序列来分析序列相似性，以找到最大的公共子序列。 在这些结果中，选择了具有最低相似度得分的两个迷宫。
2021-04-01 18:09:34
148KB
1