注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 红塔大酒店千兆网络综合布线方案解析

  2. 红塔大酒店几乎涵盖了所有智能化楼宇和现代化酒店的功能。如：综合布线系统、计算机网络系统、酒店计算机管理信息系统和无线移动局域网接入系统，还有电视监控及防盗报警系统、门禁管理和一卡通系统、公共广播、背景音响系统、车库系统、视频会议、同声传译系统、程控交换机通信系统和MCTS系统、卫星及CATV电视系统、各国时钟显示系统等等。本文将重点介绍酒店的综合布线系统。

  3. 所属分类：其它

    • 发布日期：2020-10-19
    • 文件大小：59392
    • 提供者：weixin_38648396

  1. 围棋pachi软件，exe

  2. 围棋pachi软件，可以安装包，也可以采用命令行模式进行下棋，水平大概在野狐3-6段。采用mcts，深度学习

  3. 所属分类：机器学习

    • 发布日期：2020-11-12
    • 文件大小：26214400
    • 提供者：weixin_40999066

  1. vue-othello:vue编写的黑白棋前端页面：http-源码

  2. 介绍 本项目是黑白棋的前端页面，采用vue框架编写 项目地址： : 实现功能 人机对战六种缺点 皮特：随机策略 Saya：贪心策略-当前局面数量最多 Eto：贪心策略-当前局面权值和最多 Luna：alpha-beta剪枝优化的minimax算法 寇：MCTS（蒙特卡洛搜索）+ UCB公式结合的UCT（上限置信区间算法） 暴风雨：（待办事项） 人人对战 本地对战 在线对战

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：257024
    • 提供者：weixin_42101641

  1. AlphaX-NASBench101:使用深度神经网络和蒙特卡洛树搜索进行神经体系结构搜索-源码

  2. AlphaX-NASBench101 请检查存储库以获取我们的最新结果 AlphaX是一种新的神经体系结构搜索（NAS）代理，它使用MCTS进行有效的模型体系结构搜索，并以Meta-DNN作为预测模型来估算采样体系结构的准确性。 与随机搜索相比，AlphaX建立了一个指导未来搜索的在线模型，与诸如Q学习，正则化进化或Top-K方法之类的贪婪方法相比，AlphaX动态地权衡了探索和开发，并且可以以更少的数量摆脱局部最优搜索试验。 有关AlphaX的详细信息，请参阅《 。 该存储库托管Alpha

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：35651584
    • 提供者：weixin_42117150

  1. AlphaZeroChess:应用于国际象棋的AlphaZero算法的实现-源码

  2. 零国际象棋 国际象棋AlphaZero算法的实现。 此实现将Facebook的用于神经网络，将Deepmind 用于国际象棋环境。 我们使用C ++实现以充分利用Python所限制的线程，而且C ++代码的训练速度明显更快。 该实现中的参与者通过使用蒙特卡洛树搜索（MCTS），使用神经网络的评估器，通过学习者根据这些游戏更新网络的学习者以及通过评估与标准MCTS进行对比的评估者，通过蒙特卡洛树搜索（MCTS）通过自玩游戏来生成数据。 编写检查点和日志都可以通过编程方式进行分析。

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：3072
    • 提供者：weixin_42105169

  1. 天蝎座：天蝎棋引擎-源码

  2. 目录 天蝎座 天蝎座是大师级别的强大国际象棋引擎。 它可以与支持Winboard或UCI协议的GUI一起使用，例如Winboard和Arena，Fritz和Shredder接口 安装 有关安装说明，请查看 目标 天蝎座的主要目标是： ：在共享内存（SMP）和非均匀内存访问（NUMA）系统上使用诸如YBW和ABDADA算法之类的并行搜索算法进行实验。 还可以使用YBW在松散耦合的计算机群集上进行分布式并行搜索。 ：对国际象棋进行蒙特卡洛树搜索（MCTS）的实验。 它支持带有LMR的alpha

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_42117485

  1. leela-zero：无引擎提供的Go引擎，以AlphaGo Zero论文为模型-源码

  2. 什么 没有人提供知识的Go程序。 使用MCTS（但没有蒙特卡罗播报）和深度残差卷积神经网络堆栈。 这是Alpha Go Zero论文“”中描述的系统的忠实重新实现。 出于所有目的和目的，它是一个开源的AlphaGo Zero。 等一下 如果您想知道问题所在：您仍然需要网络权重。 此存储库中没有网络权重。 如果您设法获得AlphaGo零权重，那么只要您还获得了一些张量处理单元，该程序的强度就会差不多。 缺少那些TPU，我建议使用顶级的GPU-它并不完全相同，但是结果仍然是引擎要比顶级人类强大得多

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_42171208

  1. 象棋-源码

  2. 象棋 该项目的报告在pdf文件中（用法语编写）。 我编写了Shogi引擎部分以及MCTS和神经网络部分。 该项目旨在设计与DeepMind的AlphaZero相同模型的AI演奏将棋。 AlphaZero是一款能够玩围棋，象棋和将棋的AI，并且达到了超人的性能。 它结合了蒙特卡洛树搜索和神经网络，并通过自身操作以无监督的方式进行训练。 它只知道游戏规则，而没有其他先验知识。 AI只能通过自学来学习策略。 Shogi文件夹包含两个AI：A0Jr和SNN。 A0Jr是AlphaZero模型上的A

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：10485760
    • 提供者：weixin_42117082

  1. ProbeMonLinux-源码

  2. ProbeMonLinux 捕获802.11适配器发送的探测请求和响应帧。 从csv文件中指定的站捕获cts帧。 该项目与Windows版本不同。 用法 ./ProbeMon -m [所有，探测器，cts] -l [接口] -f [csv文件] csv文件应采用2列逗号分隔的格式，并且首先是目标站地址，并带有文本提示：“ 01：02：03：04：05：06，我的接入点的地址”。 您最多可以有3个电台/提示。 例子 ./ProbeMon -mcts -lwlan0 -fstations.csv

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：12288
    • 提供者：weixin_42131276

  1. rubik：学习如何使用强化学习来解决魔方-源码

  2. 魔方 学习如何使用强化学习来解决魔方 状态 模型正在学习一些东西。 我尝试调整模型的结构，但无法达到低于18的损失，这似乎很高。 仅需1个深度的贪婪搜索就足以解决5次旋转扰乱的多维数据集。 下一步： 在get_td_value_examples和贪婪求解器中批量调用模型。 实施A *。 进一步调查模型的行为： 比损失多的指标（例如平均L1误差） 通过标签对度量进行切片：我们是否更擅长将立方体距已解决状态更近或更远？ 以1 / {为打乱而进行的旋转次数}为单位进行举重训练示例。

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：97280
    • 提供者：weixin_42120541

  1. 锈菌-源码

  2. Rust蒙特卡洛树搜索算法 特征 MCTS API +实施 去游戏板结构 去游戏引擎 关于 该项目由三个板条箱组成： mcts-lib：MCTS API和实现 go-lib：转到游戏库 围棋游戏：与蒙特卡洛树搜索一起玩围棋 用法 生成并运行围棋游戏，以查看一些自动生成的游戏。 哼...别指望奇迹！

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：8192
    • 提供者：weixin_42150341

  1. AlphaZero_Gomoku_MPI：带有Gomoku的AlphaGo零算法的异步并行方法-源码

  2. AlphaZero-Gomoku-MPI 更新中 2019.03.05-上传15x15电路板 请自己下载并尝试。 如果您对AlphaZero和MCTS有任何疑问或想法，请随时发给我，也许我们可以做一些改进。 总览 此回购基于 ，由衷的感谢。 我做这些事情： 像AlphaGo Zero的方法一样，并行实现异步自学训练管道 对抗时写一个根并行MCTS（使用合奏方式投票） 使用ResNet结构来训练模型，并设置转移学习API以根据小板的模型来训练较大的板模型（例如，为了节省时间的预训练方法）

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：29360128
    • 提供者：weixin_42128270

  1. 智慧家庭的VR全景视频业务实现

  2. 全景视频作为一种新的视频格式极大程度地改变了用户观看视频的方式，可以提升智慧家庭在视频领域的用户体验。IPTV良好的解码能力以及优异的网络支撑等优势对全景视频的应用推广具有积极作用。结合VR全景视频的特点，分析了超高分辨率全景视频在IPTV平台中的技术挑战，同时基于FOV视点自适应框架，结合MCTS编码、多分辨率和多tile视频分发和终端根据视点部分解码tile技术，给出一种IPTV超高分辨率全景业务实现方案。

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：1048576
    • 提供者：weixin_38691055

  1. sokoban-ai:教AI使用单层蒙特卡洛树搜索解决Sokoban问题-源码

  2. 教授AI解决推箱子 推箱子是日语的仓库管理员和传统的视频游戏。 游戏是一个运输难题，玩家必须将房间中的所有盒子推到存储位置（目标）上。 推箱子v0示例 推箱子v1示例 推箱子v2示例 将执行以下算法。 作为RL方法的比较，我们将基本搜索算法实现为 深度优先搜索 广度优先搜索 最佳优先搜索 一个* 统一成本搜索 RL方法将是 AlphaGo方法（MCTS +网络） DQL 先前步骤 为了使环境运行，可能需要先完成一些步骤。 需要运行以下命令的全部或子集来显示环境。 > brew i

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：3145728
    • 提供者：weixin_42151373

  1. IAHokito:IA项目-源码

  2. IAHokito IA项目：Hokito MCTS

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：17408
    • 提供者：weixin_42126668

  1. Reversi_AI-源码

  2. 黑白棋AI 在这个项目中，我们将利用Tree数据结构在棋盘游戏Reversi（也称为Othello）中实现AI玩家。 由于网格尺寸为8x8，因此每转弯都可以进行许多潜在的移动，这在实施决策算法时提出了一些独特的挑战。 我们想比较不同决策算法的性能。 我们将在该项目中重点研究两种算法： Minimax：这是一种在两人回合制游戏中广泛使用的算法。 我们将根据不同价值评估功能提出的不同策略，使用此算法来实现AI播放器的各种版本 贪婪策略：在游戏树达到一定深度后，瞄准其侧面的最大块数 位置策略：

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：20480
    • 提供者：weixin_42134338

  1. chain-reaction-ai:对手的游戏链React-源码

  2. 连锁ReactAI 战略棋盘游戏《连锁React》的AI对手。 安装 要将软件包安装在您的计算机中，请运行以下命令（最好在虚拟环境中） git clone https://github.com/shridharrhegde/chain-reaction-ai cd chain-reaction-ai pip install -r requirements.txt pip install . 用法 $ chain-reaction --help usage: chain-reaction [-h

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：347136
    • 提供者：weixin_42128988
« 1 2 ... 12 13 14 15 16 17»