【文件属性】:
文件名称:matlab最优化linprog代码-Linear-Model-Evaluation---Matlab-Deep-Inverse-Optimi
文件大小:173KB
文件格式:ZIP
更新时间:2021-06-02 00:00:14
系统开源
matlab最优化linprog代码线性模型评估
-
Matlab-Deep-Inverse-Optimization
在
Matlab
和
Python
之间解析参数以进行深度逆优化的框架,这在
Matlab
Optim
工具箱中不可用。
深度逆向优化代码可以在这里找到
()
描述为调整参数的有效方法对于评估和找到神经科学中经验模型和优化前向模型的相关性非常必要。
该存储库可以将
Matlab
中的任何参数解析为深度逆优化存储库描述的
Python
代码。
要求
迷你conda
3
Python3
Matlab
>=
R2019a
Python
3.7
火炬
deep_inv_opt
麻木的
matplotlib
在运行
Matlab
主代码之前,请按照以下步骤操作:
1.按照此链接()
中记录的说明安装
Anaconda
和
Miniconda
3
提示。
对于
Unix
或
Mac,请遵循以下说明()或
--
()
2.从Windows或Unix的Python提示从以下对PIP的下一个命令这个电流库添加TE
requirements.txt文件安装的要求包:
pip
instal
【文件预览】:
Linear-Model-Evaluation---Matlab-Deep-Inverse-Optimization-master
----requirements.txt(190B)
----README.md(7KB)
----python()
--------model_deep_inv_opt.py(4KB)
--------model_inv_opt_including_more_parsing_variables.py(4KB)
--------model_inv_opt_new_sigma.py(4KB)
----test_linear_model.jpg(261KB)
----matlab_files()
--------load_anaconda_packages_unix.m(462B)
--------output_params.txt(70B)
--------load_anaconda_packages.m(1KB)
--------matlab_interface_python.m(3KB)
--------read_perf_inv_opt.m(486B)
--------matlab_interface_python_test_unix.m(2KB)
--------matlab_interface_python_test_unix_squared.m(2KB)
--------output_file_opt.txt(3KB)
--------matlab_interface_python_unix_squared_alternative_new.m(3KB)