- 博客(926)
- 资源 (401)
- 收藏
- 关注
RSS订阅原创 【期刊】【IEEE 智能交通系统汇刊（T-ITS）】【IEEE Transactions on Intelligent Transportation Systems (T-ITS)】
作者还应意识到，审查可能会有额外的和不同的批评/结果，并可能导致再次拒绝。重叠在 30%至 40%之间的论文将手动检查以找出重叠的原因，无论是来自不同论文的小重叠的累积，还是由于同一作者的同会议论文或公开可访问的报告等，并据此决定。每篇发表的论文都由至少两名独立审稿人使用单盲同行评审流程进行评审，审稿人的身份对作者保密，但审稿人知道作者的身份。原始图表和表格（高分辨率）的版本仅作为单独的文件提供，前提是它们未嵌入在源论文文件中（接受格式：PS、EPS、PDF、PNG、TIFF、DOC、PPT、XLS）。
2025-03-18 13:31:57
625
原创 【SPRINGER期刊库】【论文库】找论文
第 (27,245) 章。研究论文（37,558）会议论文（17,110）综述文章（1,852）文章（41,153）参考文献条目（354）
2025-03-05 21:59:56
188
原创 【SPRINGER期刊库】【论文库】找期刊
搜索关键字：reinforcement learning。搜索关键字： transportation。
2025-03-05 20:27:30
226
原创 【期刊】【能源转换与管理】【Energy Conversion and Management】
我们要求作者定义他们在研究和出版物中如何使用性别和性别。一些指导：性别通常指与染色体基因型、激素水平、内部和外部解剖结构等生理和生理特征相关的一系列生物属性。二元的性别分类（男性/女性）通常在出生时确定（“出生时分配的性别”）并且在大多数情况下仅基于新生儿的可见外部解剖结构。实际上，性别分类包括间性/性别发育差异（DSD）的人。性别通常指在历史和文化背景下，由社会构建的女性、男性以及跨性别人群的角色、行为和身份，这些可能在不同社会和不同时间有所变化。
2025-03-05 13:27:13
1089
原创 【分枝割平面法是什么？】
割平面法（Cutting Plane Method）**的优点，使得在求解整数优化问题时更加高效。分枝割平面法（Branch-and-Cut，简称 B&C）是一种用于求解**整数规划（IP），通过结合分枝定界（B&B）和割平面（Cutting Plane）技术，能够高效求解。分枝定界法（Branch-and-Bound, B&B）分枝割平面法（Branch-and-Cut）是。混合整数线性规划（MILP）
2025-03-03 22:05:33
1028
原创 【割平面法】【割平面法是什么？请详细进行解释】
割平面法（Cutting Plane Method）是一种用于求解**整数规划（IP）的整数规划方法，它通过不断添加额外的约束（割平面）来逐步收敛到整数解。，可以利用高效的 LP 求解器，如 Simplex 方法或内点法。混合整数线性规划（MILP）**问题的优化方法。由于整数变量的存在，该问题难以直接求解。，提高大规模 MILP 问题的求解效率。，可结合 B&B 方法提高求解效率。，无需手动设计整数求解策略。，使得 LP 求解变得复杂。，尤其是当问题结构复杂时。，进一步提高求解效率。
2025-03-03 21:48:34
936
原创 【分枝定界法】分枝定界法是什么？请详细进行解释
虽然最坏情况下计算复杂度较高，但通过合理的剪枝策略和求解器优化，可以在实际应用中高效求解 MILP 和 IP 问题。，它结合了分枝（Branching）和剪枝（Bounding）技术，使得问题求解更加高效。问题，如整数规划、组合优化问题、约束优化问题等。分枝定界法是一种用于求解整数规划问题的。，简称 B&B）是一种用于求解。中进行深度优先或广度优先搜索。混合整数线性规划（MILP）整个求解过程可以类比于在。分枝定界法的核心思想是。
2025-03-03 21:28:44
1332
原创 【简单介绍】【混合整数线性规划 （MILP） 算法】
MILP是线性优化的一种扩展形式，广泛应用于工程、交通、能源、生产等领域。求解MILP问题的方法包括分枝定界法、割平面法、混合方法以及启发式算法。高效的求解器（如Gurobi、CPLEX）在实践中起到了关键作用。尽管MILP问题计算复杂度高，但通过合理建模和优化技术，可以在许多现实问题中找到最优或近似最优的决策方案。
2025-03-03 21:06:27
1164
原创 【ScienceDirect论文库】【找论文】
https://www.sciencedirect.com/search?qs=RLhttps://www.sciencedirect.com/search?qs=RL
2025-03-03 10:36:54
176
原创 【ScienceDirect论文库】【找期刊】
https://www.sciencedirect.com/browse/journals-and-bookshttps://www.sciencedirect.com/browse/journals-and-books
2025-03-03 10:25:37
164
原创 【论文库】【Sage】
请在您提交的文章末尾，在“致谢”部分（以及“作者贡献”部分，如果适用）之后，包括一个标题为“声明和声明”的部分，包括下面列出的相关子标题。要添加 ORCID ID，请编辑您的账户，在出现提示时单击链接，然后登录您的 ORCID 账户以验证您的 ID。请参阅您希望提交的期刊的投稿指南，了解其首选的投稿方式。请务必注意，作为提交过程的一部分，您需要确认这是您的原创作品，您对该作品拥有权利，这是在本期刊上首次发表，未被考虑/尚未在其他地方出版，并且您已获得并可以提供复制任何不属于您的版权作品的所有必要许可。
2025-03-01 20:38:50
656
原创 Python的求解器都有什么？并详细给出使用范围
Python 提供了丰富的求解器，可以处理从简单的线性方程到复杂的动态优化问题。根据具体需求，可以选择合适的库和方法来实现求解。选择时需考虑问题的性质（如线性或非线性、是否有约束等），以及求解的效率和精度等因素。
2025-02-23 22:40:11
510
原创 【scipy】【scipy.optimize】【表示优化结果】
对于等式约束问题，它是 [17] 和 [5]，第 549 页中描述的 Byrd-Omojokun 信任域 SQP 方法的实现。方法 'Newton-CG'、'trust-ncg'、'dogleg'、'trust-exact' 和 'trust-krylov' 要求提供可调用的函数，或者 fun 返回目标和梯度。仅适用于 CG、BFGS、Newton-CG、L-BFGS-B、TNC、SLSQP、dogleg、trust-ncg、trust-krylov、trust-exact 和 trust-constr。
2025-02-23 20:54:54
978
原创 【Matlab】【颜色】
https://tool.oschina.net/commons?type=3 https://www.mathworks.com/help/optim/ug/choosing-the-algorithm.html
2025-02-23 20:39:18
108
原创 【期刊ITS】【论文录用的上传】
第一步：说明与参考预览MUSTa zip fileMUST1. 您的手稿源文件，格式为 Word 或 LaTeX，以及 2. 手稿的最终版本 PDF 格式，命名为"FINAL VERSION.PDF"。您的源文件可以通过压缩文件上传，但最终 PDF 必须作为单独的文件提交。= Required Fields * = 必填项第二步：类型、标题和摘要选择您的稿件类型。
2025-02-22 21:38:27
667
原创 【R】安装特定版本的包
要安装特定版本的 R 包，通常需要使用 CRAN 的归档 URL，或者使用其他包管理工具（如。: 通过指定包的归档 URL 安装特定版本。函数，可以方便地安装特定版本的包。
2025-02-22 17:50:46
190
原创 【庞特里亚金极大值原理的详细使用】
通过对动态系统进行建模和分析，该原理帮助设计最优策略，解决复杂的决策问题。通过定义适当的状态变量和控制变量，哈密顿函数可以描述燃料消耗和动力系统的动态，结合伴随方程和极大化条件，确定最优的推力策略。其中 ( u(t) ) 是控制变量，它属于某个允许的控制集 ( U )。在具体应用中，比如航天器轨迹优化，我们可能会有一个模型描述航天器的位置和速度随时间变化。：同时求解状态方程和伴随方程，在给定的初始条件 () 和伴随变量的终端条件下，得到最优控制。) 是终端成本，( L ) 是运行成本。) 是伴随变量向量。
2025-02-13 19:21:22
473
原创 【Matlab】【RGB】颜色对照表
值值值黑色000#000000黄色2552550#FFFF00浅灰蓝色176224230#B0E0E6象牙黑413633#292421香蕉色22720787#E3CF57品蓝65105225#4169E1灰色192192192#C0C0C0镉黄25515318#FF9912石板蓝10690205#6A5ACD冷灰128138135#808A87dougello23514285#EB8E55天蓝。
2025-02-08 10:12:22
1009
原创 matlab 【元素级逻辑“或”】的程序
符号（用于短路逻辑操作）来实现。以下是两个简单的示例程序，分别演示了如何使用这两种逻辑“或”操作。进行短路逻辑“或”操作。短路逻辑“或”只在第一个条件为。来对两个逻辑数组进行元素级逻辑“或”操作。在 MATLAB 中，逻辑“或”可以通过。符号（用于元素级操作）或。这个示例演示了如何使用。这个示例演示了如何使用。
2025-02-01 17:43:29
276
原创 【机器学习】One-hot向量是什么？如何使用？请详细解释
One-Hot 向量是一种表示离散类别的向量表示方法，在许多机器学习和深度学习任务中被广泛使用，特别是在分类任务中。它的基本思想是将每个类别表示为一个向量，向量的长度等于类别总数，其中只有一个元素为 1，其余元素为 0。这个 1 所在的位置对应于该类别的索引，表示该类别的“热”状态，而其他位置则为 0，表示“冷”状态。One-Hot 向量是一种表示离散类别的编码方式，将每个类别表示为一个向量，其中只有一个元素为 1，其他元素为 0。在分类任务。
2025-01-16 13:14:35
1042
原创 【PyTorch】torch.argmax的详细解释
用于返回张量中最大元素的索引。可以指定dim参数来沿特定维度计算最大值的索引。通过设置keepdim，可以决定是否保留原维度。在多分类任务中，常用于获取最大概率的类别索引，帮助进行分类预测。
2025-01-16 13:04:10
834
原创 【PyTorch】F.softmax的详细解释
给定一个包含个元素的向量，Softmax 函数的输出是一个概率分布，其中每个表示第个类别的概率。Softmax 的公式如下：：第个类别的原始得分（logit）。：对得分进行指数运算。：所有类别得分指数的总和，用于对概率进行归一化，使得所有的概率和为 1。F.softmaxSoftmax函数将 logits 转换为概率分布，适用于多分类任务。它保证了输出的每个类别概率值在 0 到 1 之间，并且所有概率的和为 1。在 PyTorch 中，F.softmax。
2025-01-16 12:52:23
907
原创 【pytorch】【 MNIST 手写数字识别问题】【分类】神经网络如何完成分类任务？python代码，详细解释，pytorch
criterion = nn.CrossEntropyLoss() # 多分类任务使用交叉熵损失optimizer = optim.Adam(model.parameters(), lr=0.001) # 使用Adam优化器：这是用于多分类任务的常用损失函数，它结合了Softmax和LogLoss，计算模型输出与真实标签之间的差距。Adam优化器：Adam 是一种常用的优化算法，能够自适应调整学习率，通常表现出色。在 PyTorch 中，神经网络通过定义一个继承自nn.Module。
2025-01-16 11:46:34
536
原创 【期刊】【信息科学】【Information Sciences】
我们要求作者定义性和性别在他们的研究和出版物中的使用方式。一些指导：性别通常是指一组与生理和生理特征相关的生物学属性，例如染色体基因型、荷尔蒙水平、内部和外部解剖结构。二元性别分类（男性/女性）通常在出生时指定（“出生时分配的性别”），并且在大多数情况下仅基于新生儿的可见外部解剖结构。实际上，性别分类包括双性人/有性发育差异 （DSD） 的人。性别通常是指女性、男性和性别多元化人群的社会建构角色、行为和身份，这些角色、行为和身份发生在历史和文化背景下，并且可能因社会和时间而异。
2025-01-15 10:04:13
1008
原创 动态规划和强化学习的关系，以及优缺点比较。请详细进行解释
强化学习（Reinforcement Learning, RL）**都是用于决策问题的优化方法，但它们在理论背景、实现方式和应用场景上有所不同。下面将详细探讨这两者的关系及各自的优缺点。通常用于动态规划无法处理的问题（例如，模型未知或状态空间巨大）。而当问题规模较小且已知环境模型时，**动态规划（Dynamic Programming, DP）则提供了一种精确的解决方案。
2025-01-13 21:24:07
823
1
原创 【torch】torch创建深度神经网络模型的方法，请详细进行解释
是一种更加简化的方式，通过顺序地将层（模块）连接起来，适用于简单的模型。# 使用 nn.Sequential 按顺序添加层nn.Linear(input_size, hidden_size), # 输入层到隐藏层nn.ReLU(), # ReLU 激活函数nn.Linear(hidden_size, hidden_size), # 隐藏层到隐藏层nn.ReLU(), # ReLU 激活函数nn.Linear(hidden_size, output_size) # 隐藏层到输出层。
2025-01-13 11:33:35
599
原创 【torch】用torch创建一个深度为20的神经网络，并用常用的数据集进行训练
我们将使用一个深度为 20 的全连接神经网络，这意味着网络将有 20 层隐藏层。每一层都会有 128 个神经元，最后通过 Softmax 激活函数进行分类。
2025-01-13 11:20:27
394
原创 训练集、测试集和交叉验证集的详细解释
训练集：用于训练模型，帮助模型学习数据特征。测试集：用于评估模型的性能，检查模型的泛化能力。交叉验证集：用于调优模型的超参数，避免过拟合。交叉验证：一种评估模型的技术，特别适用于小数据集，通过多次训练和验证来评估模型的稳定性和泛化能力。在实际应用中，合理划分数据集并使用交叉验证能够帮助确保模型的有效性和可靠性，避免过拟合，并提高模型的泛化能力。
2025-01-13 10:49:20
781
原创 高性能计算平台HPC的原理
高性能计算平台（HPC）通过并行计算、分布式计算和高效的资源调度来加速计算任务，广泛应用于科学、工程、生命科学和数据分析等领域。HPC系统的核心原理包括任务并行、数据并行、负载均衡、通信优化和存储管理等，而要克服的挑战则包括能效、程序优化和大数据管理等问题。随着技术的发展，HPC系统将继续在高性能计算、深度学习和大数据分析等领域扮演重要角色。
2025-01-13 10:31:23
740
原创 集群计算的详细解释
集群中的基本组成单元，通常是独立的计算机或服务器，每个节点负责执行特定的计算任务。为了高效地存储和访问数据，集群通常使用分布式存储系统（如HDFS、Ceph、GlusterFS）来提供共享存储，保证数据在各节点之间的访问一致性。网络的带宽、延迟和稳定性直接影响集群的性能和效率。集群计算的目标是将多个独立的计算机资源结合起来，作为一个整体进行工作，从而提高处理性能、扩展性、容错能力和负载均衡等方面的表现。集群计算通常涉及大量的计算节点，这意味着较高的能耗，尤其是在大规模集群中，可能会带来较大的能源成本。
2025-01-13 10:06:15
991
原创 并行计算的详细解释
并行计算指的是将一个大的计算任务分解成多个可以同时执行的子任务，并利用多个处理单元（如CPU核、GPU处理单元等）并行处理这些任务，最终将结果合并。并行计算使得计算问题可以在更短的时间内完成，尤其适用于需要大量计算的任务，如科学计算、天气模拟、金融模型等。
2025-01-13 10:00:29
1117
原创 分布式计算的详细解释
分布式计算通过将计算任务分配到多个独立的计算节点上，能够提高计算能力、增强系统的可靠性和容错性，广泛应用于大数据处理、云计算、分布式存储和科学计算等领域。然而，它也面临着网络延迟、数据一致性、负载均衡等挑战，需要设计和实现高效的算法和架构来确保系统的稳定性和性能。
2025-01-13 09:56:14
852
原创 强化学习中的开发和探索是什么？请详细进行解释
在这种方法中，代理会以一定的概率（ε）选择随机动作进行探索，而在其他时间则选择当前认为最优的动作进行开发。Q值越高，选择该动作的概率就越大，这样代理倾向于选择更优的动作，但仍然有一定的概率选择其他动作进行探索。：在同样的迷宫问题中，智能体可能会偶尔选择不熟悉的路径，比如向南走，尽管这条路径过去的经验表明奖励较少。也就是说，代理基于当前的策略和已知的环境反馈，选择那些已经被证明能带来较高回报的行动。探索是指代理尝试新的、未知的行为，以便收集更多的信息，改进其对环境的理解，并可能发现一些能带来更高回报的策略。
2025-01-12 15:59:22
709
原创 动态规划和强化学习的关系，以及优缺点比较。请详细进行解释
Bellman方程是动态规划和强化学习中至关重要的工具，提供了一种递归关系来描述状态或状态-动作对的价值。通过Bellman方程，智能体可以计算最优策略或最优值函数，并逐步逼近最优解。它的核心思想是将复杂的多阶段决策问题分解成一个个简单的子问题，利用递归关系求解。
2025-01-12 14:54:55
1129
原创 动态计算图和静态计算图是什么？请详细进行解释
并进行优化的计算方式。也就是说，计算图的结构（如操作、变量、依赖关系等）在程序执行前就已经完全确定，无法在执行过程中改变。
2025-01-11 16:18:56
1054
原创 分布式计算和并行计算的区别和相同点？请详细进行解释
并行计算和分布式计算并行计算通常发生在单台计算机内，多个处理单元共享内存，任务并行化处理。分布式计算则是通过多个物理计算节点分布在不同位置，通过网络进行通信和协调，适用于大规模分布式系统。在实际应用中，这两种技术可以互补使用。例如，分布式计算可以在多个节点上运行并行计算任务，从而结合两者的优势。
2025-01-11 16:14:07
948
约束马尔可夫决策过程：随机建模（250页）
2024-11-06
安全深度强化学习SRL课件（300页）Security reinforcement learning materials
2024-11-06
强化学习算法RL代码大全（目前主流的强化学习算法的代码）
2024-11-06
【用于流量预测的时间图卷积网络】用于流量预测的时间图卷积网络
2024-08-23
深度强化学习DRL-pytorch框架-代码大全
2024-08-23
三种多目标优化算法pythonNSGA2 MOPSO MODE
2024-03-26
pythonMOPSO多目标粒子群优化算法 多目标优化算法
2024-03-26
matlab【多目标优化算法】MOMPA附代码
2024-03-23
matlab【改进的多种群遗传算法】IMOMPGA【车间调度问题】
2024-03-23
matlab【动态多目标优化】【分时差异化票价动态多目标优化】
2024-03-23
matlab【多目标优化算法】【多目标灰狼优化算法】MOGWO
2024-03-23
matlab【2024年最新多目标优化算法】【多目标RIME算法】MORIME
2024-03-23
matlab【2024年最新多目标优化算法】【多目标指数分布优化器】MOEDO【附代码和论文】
2024-03-23
matlab【最新多目标优化算法】【多目标马群优化算法】MOHOA
2024-03-23
粒子群优化算法PSO的c++的实现
2023-09-22
用于交通流预测的联合时空图卷积网络JSTGCN(python代码)（不带数据集）
2022-06-23
用于故障诊断的胶囊网络（胶囊网络故障诊断）.zip
2022-05-23
毕设研究课题：根据轴承的振动序列数据来诊断轴承故障.zip
2022-05-23
自适应交通信号灯控制（增强学习）（Q-learning）(代码 python ).zip
2022-05-19
交通流量预测（python）.zip
2022-05-19
MINLP：混合整数非线性规划
2022-05-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人