搜索资源列表
bucuo
- 针对现有入侵 检测系统的不足,对数据挖掘技术和智能检测代理应用于入侵检测系统进行了研究,提出一个基于数据挖掘技 术的智能入侵检测系统模型-Intrusion detection system for the existing shortage of data mining and intelligent detection agents used in intrusion detection systems have been studied, proposed a data min
ant_wsn
- 为了在无线传感器网络中降低能耗和最大化网络生存期,提出一种能量高效的数据收集算法 (energy-efficient data gathering algorithm, EEDGA)。该算法利用移动代理模型在网络中进行数据收集。首先, EEDGA根据监测精度的要求控制活动节点的数量 然后,通过求最小支配集得到具体的工作节点 最后,利用蚁 群算法规划移动代理迁移的最优路线,移动代理以渐进方式收集活动节点的监测数据。仿真结果表明,与典型算 法相比,该算法具有更低的能耗和更长的网络生存
Data
- 这是关于数据统一化处理的小程序，在神经网络以及代理模型构造过程中均应用到，过程具体明显，希望能对大家有帮助-this can be used to deal with data
Multi-Agent-Stock-Trading-Model
- 混合代理的证券交易算法模型，遗传算法，神经网络-Multi-Agent Stock Trading Algorithm Model
SGP
- 单输出高斯过程回归 代理模型 回归 可代替神经网络-Single output Gaussian process regression
PRIM
- 国外的一种数据拟合方法，可以用于代理模型的构建，方便你进行多学科优化-surrogate model bulid meohod
modify_surrogate
- 拉丁超立方抽样及BP神经网络代理模型的建立与预测误差分析(Latin hypercube sampling & BP neural network model)
1709.04326
- 多智能体设置在机器学习中的重要性日益突出。超过了最近的大量关于深度的工作多agent强化学习，层次强化学习，生成对抗网络和分散优化都可以看作是这种设置的实例。然而，多学习代理人的存在这些设置使得培训问题的非平稳常常导致不稳定的训练或不想要的最终结果。我们提出学习与对手的学习意识（萝拉），一种方法，原因的预期。其他代理的学习。罗拉学习规则包括一个额外的术语，解释了在预期的参数更新的代理政策其他药物。我们发现，利用似然比策略梯度更新的方法，可以有效地计算萝拉更新规则，使该方法适合于无模型强化学习。这
ANN_fitting_example_1
- ANN fitting，使用多层神经网络对某一个函数进行插值逼近，建立代理模型(ANN fitting. Using a multi-layer neural network to interpolate a certain function to establish a proxy model)
代理模型工具箱
- 里面包含很多代理模型，多种模型可选择，可根据实际情况构建较为精确的模型