-
批处理文件
【实例简介】配置批文件路径，根据匹配串匹配相关文件，进行复制保存
- 2021-08-11 00:31:01下载
- 积分：1
-
Python/Matlab 小波包变换实例源码
1、用自己采样得到的故障诊断数据分别采用Python/MATLAB两种方式对样本数据进行故障特征提取。 2、附有数据文件夹，里面包含有9种不同的故障样本集原始数据，每一种故障样本集共有100组样本。文件夹共有900组样本数据。 3、两份用Python或MATLAB写的源码都是对故障样本进行特征提取并归一化操作，改变文件路径可以直接运行
- 2019-06-28下载
- 积分：1
-
python(flask)入门教程.pdf
python(flask)入门教程.pdf
- 2020-04-09下载
- 积分：1
-
俄罗斯方块强化学习实验报告
一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99 # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500. # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500. # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002 # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0 # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900 # number of previous transitions to remember 设置replay memory的容量 BATCH = 32 # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1 # only select an action every Kth frame, repeat prev for others，设置几帧图像进行一次动作， # K越大让控制台输出的速度变慢，游戏画面速度变快，机器人动作的速度变越迟缓。ACTIONS = 6 # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右，EPSILON=1.0，Q_MAX= 2.061341e-02：图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后：EPSILON固定在0.04999999999999416 Q_MAX = -1.163765e-01Self.score有明显的提升，但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后：EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后：EPSILON固定在-0.001998997999987482 Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│ └── tetris_fun.py├── deep_q_network.py├── logs_tetris│ ├── hidden.txt│ └── readout.txt└── saved_networks ├── tetris-dqn-10000.data-00000-of-00001 ├── tetris-dqn-10000.index ├── tetris-dqn-10000.meta └── tetris-dqn-316600003 directories, 8 files
- 2020-12-01下载
- 积分：1
-
python Tkinter的串口调试助手
串口调试助手
- 2019-12-31下载
- 积分：1
-
机器学习实战-Kaggle犯罪预测-数据集+代码
kaggle上对旧金山城市的犯罪案件进行分类，属于多分类问题，提供的数据特征包含时间、地点、描述等。本实例包含数据集和代码，机器学习方法是朴素贝叶斯和逻辑回归
- 2020-11-09下载
- 积分：1
-
GA优化CNN
GA优化CNN
- 2021-05-06下载
- 积分：1
-
python爬虫爬取微博热搜
python爬虫爬取微博热搜
- 2021-05-06下载
- 积分：1
-
python实现A*和双向A*(启发式搜索)
1. 实验目的 1） 掌握搜索算法的基本设计思想与方法， 2） 掌握A*算法的设计思想与方法， 3） 熟练使用高级编程语言实现搜索算法， 4） 利用实验测试给出的搜索算法的正确性。 1. 实验问题 寻路问题。以图1为例，输入一个方格表示的地图，要求用A*算法找到并输出从起点（在方格中标示字母S）到终点（在方格中标示字母T）的代价最小的路径。有如下条件及要求： 1） 每一步都落在方格中，而不是横竖线的交叉点。 2） 灰色格子表示障碍，无法通行。 3） 在每个格子处，若无障碍，下一步可以达到八个相邻的格子，并且只可以到达无障碍的相邻格子。其中，向上、下、左、右四个方向移动的代价为1，向四个斜角方向移动的代价为 √2。 4） 在一些特殊格子上行走要花费额外的地形代价。比如，黄色格子代表沙 漠，经过它的代价为4；蓝色格子代表溪流，经过它的代价为2；白色格子为普通地形，经过它的代价为0。 5） 经过一条路径总的代价为移动代价 地形代价。其中移动代价是路径上所做的所有移动的代价的总和；地形代价为路径上除起点外所有格子的地形代价的总和。
- 2021-05-06下载
- 积分：1
-
猫-非猫图二分类识别
代码用于猫-非猫图片的二分类问题（附件内给出h5格式的数据集），基于Pytorch神经网络工具包，采用比较经典的逻辑回归（Logistic Regression）算法。
- 2020-12-03下载
- 积分：1
|
联系客服（QQ：3324461878）
