radius认证计费系统

说明：  机器学习之文本分类，有代码，语料库，分词 python语言(Machine Learning Text Categorization, Code, Corpus, Word Segmentation Python language)

说明：  预编码 BER仿真 matlab ，MIMO，预编码算法仿真，precoding MIMO，BER(Precoding BER simulation matlab, MIMO, precoding algorithm simulation, precoding MIMO, BER)

说明：  预测股票价格与成交价格 等多种因素的关系，通过python和神经网络实现预测(prediction the stock price)

利用深度学习对特征描述符进行训练，得到较精确的特征描述符(The feature descriptors are trained by depth learning to obtain more accurate feature descriptors)

这是使用Python实现的DBScan。像Numpy、熊猫这样的图书馆也被使用过。DBScan算法已经在两个变色龙数据集t4.8k和t5.8k上进行了测试。然后利用matplotlib将得到的结果可视化。为了便于比较，本文将所得到的输出结果与DBScan实现的skLearning库的结果进行了比较。计算每个数据集的同质性和分离度，以观察簇间的相似性和不同的度量。epsilon和min值分别为8.5和16.5。(This is a DBScan implemented using Python. Libraries like Numpy and Panda have also been used. DBScan algorithm has been tested on two chameleon datasets t4.8k and t5.8k. Then the results are visualized by matplotlib. In order to facilitate comparison, the output results are compared with those of skLearning library implemented by DBScan. The homogeneity and segregation of each data set are calculated to observe the similarity and different measures between clusters. Epsilon and min were 8.5 and 16.5 respectively.)

【实例简介】假设无人机在 50m 高度的空中飞行时，投放一个救援物质，当前飞机的前进速度为 10 m/s， 救援物质质量为 0.1kg， 重力加速度 9.8m/s2， 空气阻力与速度方向相反，空 气阻力大小为 k *v, k = 0.1,请使用软件模拟物质掉落的轨迹（建议使用 Python 实现 轨迹图，C 语言使用 print 输出迭代过程中的坐标）

利用改进k-means算法对客户进行分类，改进rfm模型(Using improved k-means algorithm to classify customers and improve RFM model)

图像处理(scipy.misc.bytescale.py)

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

【实例简介】登录注册，群聊私聊，聊天记录，表情包发送