搜索资源列表
2006814174759656
- 本文讨论的问题主要涉及货运的配载，而货运配载的目标是实现车与货的高效匹配, 降低空载率以减少货物运输过程中因此而造成的经济损失。货运配载问题涉及两方面的 内容:车辆利用和货物装载。本文主要从这两个角度角度来分析解决问题。 对于问题1，我们首先通过分析复杂的变量及他们之间的关系，建立规划模型。为 了求解这个模型，我们进行了一系列的简化，使得模型求解切实可行。求得较优的方案， 而且各辆车均匀负担。该方案的总费用为4877.2。 对于问题2，我们在模型1 的基础上进行了改进采用
predict
- 模拟人的思维特点,提出一种新型智能控制器:仿人逻辑预测控制器. 该控制器融合了基于泛布尔代数的逻辑控制器和基于模型的预测控制器的特点, 是一种多值逻辑混合动态系统. Matlab仿真表明, 该控制器在模型匹配时性能良好, 在模型失配时依然能满意运行, 表现出鲁棒性强, 超调量小的特点. 与其它类型人工智能控制器相比, 该控制器结构简单, 物理背景明确, 数学概念清晰, 便于在工业控制领域推广应用.-Simulation of the characteristics of people' s
research-of-gesture-recognition
- 近年来手势识别技术的快速发展，基于手势识别技术的人机交互应用系统的建立使得人机交互的发展前景广阔。从 手形、手势和手形手势的建模出发，介绍了模板匹配、特征提取、神经网络和隐马尔可夫模型4 种手势识别的方法，并且综述 了基于手势识别技术人机交互的发展，详细介绍了3 类人机交互系统：漫游型系统、编辑型系统和操作型系统。-The rapid progress of techniques in hand posture and gesture recognition provides a pro
RANSAC
- ransac算法对特征点找到最好的模型匹配对，消除一些有缺点的误匹配-the ransac algorithm to find the best model matching feature points to eliminate some shortcomings mismatching
Speech-signal-classification-
- 语音特征信号识别是语音识别研究领域中的一个重要方面,一般采用模式匹配的原理解 决。语音识别的运算过程为:首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果.-Speech characteristic signal recognition is an important aspect in the field of speech re
classification-of-Speech-signal-
- 语音特征信号识别是语音识别研究领域中的一个重要方面,一般采用模式匹配的原理解 决。语音识别的运算过程为:首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果-Recognition is the speech characteristic signal in the field of speech recognition is an i
Predictive-Controller
- 逻辑预测控制 仿人逻辑预测控制器设计. 该控制器融合了基于泛布尔代数的逻辑控制器和基于模型的预测控制器的特点, 是一种多值逻辑混合动态系统. Matlab仿真表明, 该控制器在模型匹配时性能良好, 在模型失配时依然能满意运行, 表现出鲁棒性强, 超调量小的特点. 与其它类型人工智能控制器相比, 该控制器结构简单, 物理背景明确, 数学概念清晰, 便于在工业控制领域推广应用-Simulating characteristics of human intelligent, a new intelli
stable-marrige-problem
- 婚姻匹配问题模型，同样可以用到市场匹配问题-a model of marrige matching, can also be used to solve market matching problem
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
shenjingwangluo
- 这个程序用神经网络建立数学模型，检验两者的匹配性(A mathematical model is established by neural network to test the matching property)
合工大自然语言处理报告代码
- 四、中文词法分析系统 1、实验要求 语料库：1998-01-2003版-带音.txt 要求：根据构建的单词词典和双词词典，用n-gram模型，或者前向最长匹配，或者后向最长匹配等算法，鼓励用更复杂一些的方法来进行，包括隐马尔科夫模型和条件随机场模型。 二、宋词自动生成 1、实验要求 语料库：ci.txt 要求：输入词牌，基于宋词的词典和宋词的词牌，可以随机或者按照语言模型，自动生成宋词。设计相应的Ui或者Web界面。 实现了隐马尔科夫模型分词