Y7_951421
注册时间：2022-03-30 09:58:37
Ta的资源
theoryofmind
心智理论
这是用于运行此处插入论文中描述的计算实验的代码。 该代码实现了逆向规划算法，该算法根据代理的操作推断代理的目标。 对于这些实验，代理正在 2D 网格房间中拾取对象。 对象有两种颜色（代码中标记为 1 和 2），agent 对每种颜色有不同的偏好。 逆向规划算法接受房间的布局和智能体的路径，并返回智能体对每种颜色的偏好程度的后验分布。
运行代码
您需要 Python 2.7 才能运行此代码。 不需要其他依赖项。 执行runner.py或runFromData.py 。 该算法需要几分钟才能完成。
解释结果
您应该会看到如下所示的图表：
x 轴表示代理分配给颜色 1 的值。颜色 2 的值是 1 减去颜色 1 的值。y 轴显示该值分配的对数似然，给定代理的操作。 在这种情况下，代理可能更喜欢颜色 1，至少比颜色 2 多一点。
演示代码（ runner.py或runFromData
开发工具：
大小：37.5KB
2022-06-10 20:54:56上传
matlab开发-mat2grayvariantwithDimensions选项
matlab开发-mat2grayvariantwithDimensions选项。将沿dim划分的n-d矩阵的部分规范化为0.0-1.0范围。
开发工具：
大小：2.5KB
2022-06-10 05:55:57上传
立体匹配算法
2014年CVPR论文Fast Edge-Preserving PatchMatch for Large Displacement Optical Flow的源码
开发工具：
大小：2.3MB
2022-06-10 03:18:24上传
Oracle10逻辑备份及还原
NULL
博文链接：https://zhoshijie.iteye.com/blog/985804
开发工具：
大小：356B
2022-06-10 00:34:13上传
Rubi:Mathematica的Rubi
Rubi-基于规则的集成
这是由Albert D. Rich开发的名为Rubi的基于规则的集成器的Mathematica实现。 Rubi是一大套转换规则，可通过逐步应用匹配的积分规则直到找到最终解决方案，从而确定表达式的反导数。 原则上，Rubi独立于实现，因为理论上可以在支持符号模式匹配和替换规则的任何足够高级的语言中使用集成规则。
鲁比在一个艰苦的集成测试套件中胜过Maple和Mathematica（两个主要的商用计算机代数系统），该套件由7万多个集成体和最佳的反导数组成。 Rubi的一个主要优点是它可以提供确定反衍生物所需的确切步骤。 由于Rubi规则遵循决策树，因此可以为每个集成步骤提供转换和所需条件。
文献资料
Rubi项目的用户文档可以在下找到。 有关安装和使用指南，请参阅上的部分。
有关此Mathematica软件包的某些特定于开发的信息可以在。 在这里，您还将找到如何为
开发工具：
大小：20.3MB
2022-06-09 05:20:39上传