Discover

Stars
93
Rank 359,906 (Top 8 %)
Language
Jupyter Notebook
Created over 1 year ago
Updated over 1 year ago

Olivia-account

There are no reviews yet. Be the first to send feedback to the community and the maintainers!

基于深度学习与Neo4j的军事装备知识图谱网页应用构建。本项目是一个军事武器知识图谱网页应用软件原型系统。该系统由数据爬虫、数据管理、数据处理、知识问答、新闻热点、词条查询和图谱展示七个功能模块组成。系统从互联网上爬取数据，并基于百度文心ERNIE 3.0模型对数据进行实体识别和关系抽取，将数据处理为三元组形式并存储到图数据库Neo4j中。通过数据管理和数据标注，并通过对Neo4j中的三元组数据进行自动处理和分析，实现知识问答、新闻热点、词条查询和图谱展示的功能。

-SIR-SIR-model-with-stochasticity-SEIR-SEIR-model-with-stochasticity-SI-SIRS-SEIRS-V-SIRD-

这个项目旨在通过利用传染病模型，结合实际观测数据，实现对传染病传播过程的更准确预测。我们采用了多种经典传染病模型，包括SIR、SIR模型带有随机性、SEIR、SEIR模型带有随机性、SI、SIRS、SEIRS-V以及SIRD，并通过优化算法对模型参数进行调整，以最好地拟合现实世界的数据。

Jupyter Notebook

Cell-Clustering-with-PyTorch-MLP

细胞聚类是生物信息学和医学研究中的关键问题之一。通过对细胞数据进行聚类，我们可以识别潜在的生物学群体，并更好地理解细胞之间的关系。本项目旨在通过构建一个基于PyTorch的MLP模型，实现对细胞数据的自动聚类。

Jupyter Notebook

estimate-vital-signs

使用了三个模型来训练：逻辑回归、随机森林、SVR。监测仪器可以随时监测到被监测者的电子信号，需要将电子信号“翻译” 为被监测者能理解的生命体征数据，本项目建立通过电子信号估计生命体征数据的数学模型。

Python

Stock-Purchase-Optimization-Project

这个项目旨在通过强化学习和蒙特卡洛模拟的结合，解决银行购买股票的最优策略和预期利润折现率的问题。首先，将交易日视为状态，银行的动作为购买或不购买股票，以最大化利润。其次，通过蒙特卡洛模拟生成资产价格路径，以及使用强化学习算法训练银行的执行策略。最后，通过调整折现率找到使预期现金流的净现值为零的折现率。整个项目结合了强化学习和蒙特卡洛模拟。

Python