alexnet 需要针对预训练权重的 Deep Learning Toolbox Model for AlexNet Network 支持包

时间: 2023-07-15 15:13:37 浏览: 23
是的,如果您想要使用预训练权重的 AlexNet 模型,可以使用 Deep Learning Toolbox Model for AlexNet Network 支持包。这个支持包包含了一个经过预训练的 AlexNet 模型,可以直接加载和使用。同时,您也可以使用该支持包训练自己的 AlexNet 模型。
相关问题

如何获取 Deep Learning Toolbox Model for AlexNet Network 支持包

要获取 Deep Learning Toolbox Model for AlexNet Network 支持包,您需要进行以下步骤: 1. 在 MATLAB 中打开“添加-On”对话框。您可以在主界面的“主页”选项卡中找到它。 2. 在“添加-On”对话框中,搜索“Deep Learning Toolbox Model for AlexNet Network”支持包。 3. 安装支持包。请注意,您需要有适用于您的 MATLAB 版本的许可证才能安装它。 4. 安装完成后,您可以使用该支持包中提供的 AlexNet 模型进行深度学习任务。 请注意,此支持包仅适用于 MATLAB 的 Deep Learning Toolbox。如果您使用的是其他深度学习框架,您需要查找相应的支持包或模型。

如何安装 Deep Learning Toolbox Model for AlexNet Network 支持包

要安装 Deep Learning Toolbox Model for AlexNet Network 支持包,需要按照以下步骤进行操作: 1. 打开 MATLAB 软件,确保已经连接到互联网。 2. 在 MATLAB 命令窗口中输入 `supportPackageInstaller` 并按回车键。 3. 在弹出的“支持包安装程序”窗口中,选择“从互联网下载”。 4. 在搜索栏中输入“Deep Learning Toolbox Model for AlexNet Network”,然后选择该支持包。 5. 点击“安装”按钮,等待安装完成。 6. 安装完成后,可以在 MATLAB 中使用该支持包提供的 AlexNet 模型,以及其他相关工具和函数。 请注意,在安装支持包之前,确保你的 MATLAB 版本与支持包版本兼容。如果版本不兼容,可能会导致安装失败或运行时出错。

相关推荐

### 回答1: 您可以通过以下步骤安装Deep Learning Toolbox Model for ResNet-50 Network和Deep Learning Toolbox Model for Inception-v3 Network: 1. 打开MATLAB软件并进入主界面。 2. 点击“Add-Ons”选项卡,然后选择“Get Add-Ons”。 3. 在搜索栏中输入“Deep Learning Toolbox Model for ResNet-50 Network”或“Deep Learning Toolbox Model for Inception-v3 Network”。 4. 点击“Install”按钮,等待安装完成。 5. 安装完成后,您可以在MATLAB中使用这些模型进行深度学习任务。 希望这个回答对您有所帮助! ### 回答2: 安装MATLAB中的Deep Learning Toolbox Model for ResNet-50 Network和Deep Learning Toolbox Model for Inception-v3 Network是非常简单的。 首先,确保你已经安装了MATLAB软件,并具有有效的许可证。 然后,打开MATLAB软件,点击工具栏上的“Add-Ons”按钮,它位于主界面的右上角。 在弹出的界面中,点击左侧的“Get Add-Ons”选项卡。 在搜索框中,输入"Deep Learning Toolbox Model for ResNet-50 Network"并点击搜索按钮。 在搜索结果中找到对应的模型,点击右侧的"Add From GitHub"按钮。 稍等几秒钟,MATLAB会自动下载并安装所需的模型。 重复以上步骤,以同样的方式安装“Deep Learning Toolbox Model for Inception-v3 Network”。 安装完成后,你可以在MATLAB的命令窗口中使用这些模型。例如,你可以通过以下命令加载已安装的ResNet-50模型: matlab net = resnet50; 或者加载已安装的Inception-v3模型: matlab net = inceptionv3; 这样就可以使用这些预训练的深度学习模型进行各种任务,如图像分类、目标检测等。记得在使用这些模型之前,先要明确自己的目标并适当调整模型以适应任务要求。 ### 回答3: 要安装Matlab中的Deep Learning Toolbox Model for ResNet-50 Network和Deep Learning Toolbox Model for Inception-v3 Network,您可以按照以下步骤进行操作: 1. 首先,确保您已经安装了Deep Learning Toolbox和Matlab软件。这些工具是使用这些深度学习模型的前提条件。 2. 打开Matlab软件,在主界面的"HOME"选项卡下,选择"Get Add-Ons"。这将打开Matlab Add-On Explorer。 3. 在搜索框中输入"Deep Learning Toolbox Model for ResNet-50 Network",然后点击搜索按钮。 4. 在搜索结果中找到"Deep Learning Toolbox Model for ResNet-50 Network",然后点击"Add"按钮进行安装。等待安装过程完成。 5. 重复步骤3和步骤4,这一次搜索"Deep Learning Toolbox Model for Inception-v3 Network",然后点击"Add"按钮进行安装。同样,等待安装过程完成。 6. 安装完成后,您可以在Matlab的工具箱中找到这些深度学习模型。打开"APPS"选项卡,在"Deep Learning Toolbox"部分下,您会看到"ResNet-50"和"Inception-v3"模型。 7. 单击所需的模型,Matlab将加载相应的模型并打开一个图形用户界面。 8. 在这个界面上,您可以使用这些预训练模型进行不同的深度学习任务,如图像分类、特征提取等。 请注意,这些模型的安装过程可能会因您的Matlab版本和操作系统而有所不同。确保您的Matlab版本兼容并满足相应的系统要求。此外,确保您的计算机具有足够的计算资源来运行这些深度学习模型。
### 回答1: VGG16是一个非常流行的深度卷积神经网络,用于图像识别和分类任务。它由Simonyan等人在2014年首次提出,这个模型具有16个卷积层和3个完全连接层,这些层被认为是非常深的网络结构。在Matlab中,要使用VGG16模型,就需要使用深度学习工具箱的模型库,在这个库中可以找到vgg-16网络的支持。这意味着,如果想要在Matlab中实现VGG16模型,需要在深度学习工具箱中安装vgg-16网络的支持包。这个支持包提供了VGG16网络的预训练模型,可以用于图像分类任务和其他深度学习应用。因此,这个支持包非常重要,是使用VGG16网络的必要条件。总的来说,VGG16是一个非常强大的深度卷积神经网络,在Matlab中使用需要深度学习工具箱的模型库的支持。 ### 回答2: VGG16是一种经典的卷积神经网络模型,它适用于图像分类、目标检测等深度学习任务。在MATLAB中使用VGG16网络时,需要首先安装“深度学习工具箱”模型以便提供VGG16网络的支持。 深度学习工具箱是MATLAB中的一个重要工具,它包含了许多深度学习算法和网络模型的实现,用户可以通过这个工具箱灵活地搭建、训练和测试自己的深度学习模型。而VGG16模型正是深度学习工具箱提供的其中一种预定义网络模型。 在安装了深度学习工具箱后,用户可以通过简单的命令来加载预训练好的VGG16模型,该模型可以在不同的图像数据集上进行微调,以更好地适应用户自己的任务。此外,深度学习工具箱还提供了大量的图像处理函数,例如数据增强、卷积层可视化、特征可视化等,可以帮助用户更好地了解和优化自己的深度学习模型。 总之,VGG16需要深度学习工具箱模型的支持,在MATLAB中使用VGG16网络时需要先安装并加载该模型,并结合其他图像处理函数进行模型训练和优化。 ### 回答3: vgg16是深度学习中常用的卷积神经网络模型,在使用时需要使用深度学习工具箱配合使用,以支持vgg16网络。深度学习工具箱是基于MATLAB编写的一款深度学习工具,该工具箱提供了许多深度学习模型的支持,包括vgg16等经典模型。使用深度学习工具箱可以简化模型实现的步骤,使得深度学习的实现更加便捷和高效。 在使用vgg16模型时,需要先在深度学习工具箱中将模型加载进入MATLAB环境中,然后再进行训练和测试操作。深度学习工具箱提供的vgg16模型支持包括了许多经典的网络层,如卷积层、池化层、全连接层等,同时还提供了一些预训练好的模型参数,使得模型的训练和调整更加方便。 除了vgg16,深度学习工具箱还支持其他许多深度学习模型,如AlexNet、ResNet等,使用起来也十分方便。如果想要进行深度学习的开发和研究,深度学习工具箱是一个十分不错的选择。
### 回答1: mapminmax是MATLAB中的一个函数,用于对数据进行归一化处理。它能将数据映射到一个指定范围内,常用于提高算法的收敛性和准确性。而'deep learning toolbox'(深度学习工具箱)是MATLAB中的一个工具包,专门用于深度学习算法的开发和应用。 在使用mapminmax函数之前,需要先安装并加载深度学习工具箱。这可以通过在MATLAB命令行中输入"neuralnetwork"来检查是否安装了该工具箱。 如果未安装,则需要先下载并安装官方提供的深度学习工具箱。在安装完成后,可以使用命令"toolbox"来加载它,确保MATLAB能够正常识别并使用该工具箱。 一旦成功加载了深度学习工具箱,就可以在MATLAB中使用mapminmax函数对数据进行归一化处理了。该函数接受输入数据和映射范围作为参数,并返回归一化后的结果。通过指定合适的映射范围,可以将原始数据映射到任意的指定范围内。 需要注意的是,深度学习工具箱提供了丰富的深度学习算法和函数,包括神经网络、卷积神经网络等。mapminmax虽然被称为MATLAB的函数,但它通常在深度学习任务中配合使用,用于预处理输入数据,以提高深度学习算法的性能和效果。 ### 回答2: mapminmax是MATLAB中用于对数据进行归一化处理的一个函数,它将数据按照一定的规则缩放到指定的区间范围内。而deep learning toolbox是MATLAB的一个工具箱,提供了一些深度学习相关的函数和工具。如果要使用mapminmax函数,就需要安装并使用deep learning toolbox。 使用mapminmax函数可以将原始数据缩放到指定的范围内,常用的是将数据缩放到[0,1]或[-1,1]区间内。这样做的好处是可以消除不同数据之间的量纲差异,避免某些特征的权重过大或过小对模型训练的影响。对于深度学习任务来说,数据的归一化常常是一个重要的预处理步骤。 deep learning toolbox提供了一些常用的深度学习模型和算法,例如卷积神经网络(CNN)、循环神经网络(RNN)和生成对抗网络(GAN)等。这些工具可以方便地用于构建和训练深度学习模型。在进行数据预处理时,mapminmax函数可以用于将原始数据归一化,以便更好地适应深度学习模型的训练要求。 总之,使用mapminmax函数需要deep learning toolbox,它可以将原始数据进行归一化处理,使得数据适用于深度学习模型的训练。 ### 回答3: mapminmax函数是MATLAB中的一个函数,它属于Deep Learning Toolbox(深度学习工具箱)的一部分。该函数用于将数据映射到指定的范围内,常用于数据预处理步骤。 在深度学习中,数据的标准化和归一化是非常重要的步骤之一。标准化可以将数据转换为均值为0、方差为1的标准正态分布,而归一化可以将数据映射到指定的范围内,例如[0,1]或[-1,1]之间。 mapminmax函数可以完成数据的归一化操作。它会根据给定的范围,自动进行数据的线性缩放,将输入数据映射到指定的范围内。在这个过程中,该函数会使用深度学习工具箱中的算法来计算数据的最小值和最大值,并进行归一化处理。 然而,需要注意的是,要使用mapminmax函数,必须先安装MATLAB的Deep Learning Toolbox(深度学习工具箱)。这个工具箱提供了一系列用于深度学习的函数和工具,例如神经网络、卷积神经网络、长短期记忆网络等。只有在安装了这个工具箱之后,才能够使用其中的函数,包括mapminmax函数。 总之,要使用mapminmax函数进行数据的归一化操作,需要先安装MATLAB的Deep Learning Toolbox(深度学习工具箱),该函数依赖这个工具箱提供的功能和算法。
### 回答1: Deep Learning Toolbox是MATLAB的一个工具箱,主要用于深度学习领域的研究与开发。该工具箱提供了各种各样的函数和算法,可以帮助用户快速构建神经网络模型、训练网络、测试网络以及应用网络。 要下载Deep Learning Toolbox,首先需要安装MATLAB。如果你还没有MATLAB,你可以在MathWorks官网上下载免费试用版或购买订阅版。一旦安装好MATLAB,就可以使用MATLAB的Addon Explorer来下载Deep Learning Toolbox。 步骤如下: 1. 打开MATLAB,点击左上角的“Addon Explorer”按钮。 2. 在Addon Explorer中搜索“Deep Learning Toolbox”。 3. 点击“Deep Learning Toolbox”图标,可以看到该工具箱的简介以及安装选项。 4. 点击“Install”按钮,等待下载和安装过程完成即可。 需要注意的是,Deep Learning Toolbox是一个收费的工具箱,如果你没有订阅版MATLAB的话,需要先购买Deep Learning Toolbox的许可证。此外,Deep Learning Toolbox对计算机硬件要求比较高,建议使用性能较强的计算机来进行深度学习的研究和开发。 ### 回答2: Deep Learning Toolbox是MATLAB提供的一套深度学习工具箱,包括了各种深度学习算法与模型,如神经网络和卷积神经网络等。用户可以使用这些模型进行分类、回归、对话、文本分析等任务。此外,该工具箱还提供了训练模型、调整网络参数、优化神经网络、验证和测试网络模型的功能。本工具箱极大地简化了深度学习的过程,无需深度学习专家的知识,甚至可以直接使用预训练模型进行迁移学习。 要下载Deep Learning Toolbox,首先需要安装MATLAB R2016b或更高版本。用户可以通过访问MathWorks网站下载并安装MATLAB,然后通过MATLAB App Store下载Deep Learning Toolbox。下载后,用户可以从应用集成界面中直接启动Deep Learning Toolbox,并随时开始操作。该工具箱不仅易于操作,还可以与各种硬件和云服务集成使用。 总之,Deep Learning Toolbox是一款功能齐全、易用便捷的深度学习工具模块,包括了各种功能强大的模型、算法和工具,可以帮助用户进行深度学习研究和应用。下载该工具箱,既可以简化深度学习的过程,又可以满足用户对不同深度学习任务的需求。 ### 回答3: Deep Learning Toolbox是Matlab中的一个工具箱,用于开发和实现深度学习算法。要下载该工具箱,首先需要安装Matlab软件。Matlab提供了一种免费的试用版本,用户可以先试用该版本,了解并体验Matlab和Deep Learning Toolbox。 下载Deep Learning Toolbox的步骤如下: 1. 打开Matlab软件,点击“Add-Ons”按钮; 2. 在“Add-On Explorer”界面中搜索“Deep Learning Toolbox”; 3. 选择“Deep Learning Toolbox”并点击“Install”按钮; 4. 等待下载和安装完成。 下载完成后,就可以在Matlab中使用Deep Learning Toolbox开发和实现深度学习算法了。用户可以通过Deep Learning Toolbox中提供的各种工具创建和训练深度神经网络,对数据进行分类、回归、聚类等处理,实现机器学习和人工智能应用。 总之,下载Deep Learning Toolbox非常简单,只需安装Matlab软件后,在Add-On Explorer中搜索并安装即可。通过使用Deep Learning Toolbox,用户可以更轻松地进行深度学习的开发和实现。
The deep learning toolbox includes various software libraries, frameworks, and tools that help developers and researchers build and train deep neural networks. Some of the popular deep learning toolboxes are: 1. TensorFlow: Developed by Google, TensorFlow is an open-source deep learning library that supports building and training neural networks for various applications. 2. PyTorch: Developed by Facebook, PyTorch is an open-source deep learning framework that provides a flexible platform for building and training neural networks. 3. Keras: Keras is a high-level neural networks API that runs on top of TensorFlow, Theano, or Microsoft Cognitive Toolkit. It simplifies the process of building deep learning models and enables fast experimentation. 4. Caffe: Caffe is an open-source framework for deep learning that is widely used for image recognition and classification tasks. 5. MXNet: Apache MXNet is an open-source deep learning framework that supports multiple programming languages and provides a scalable and efficient platform for building and training neural networks. 6. Torch: Torch is an open-source scientific computing framework that provides a range of tools and modules for building and training deep neural networks. 7. Theano: Theano is a Python library that enables efficient mathematical computations and supports building and training neural networks. These toolboxes enable developers and researchers to create complex deep learning models with ease and efficiency. They provide pre-built modules, functions, and algorithms that can be customized to suit specific requirements.

最新推荐

圣诞节电子贺卡练习小项目

圣诞节电子贺卡练习小项目

贝壳找房App以及互联网房产服务行业.docx

贝壳找房App以及互联网房产服务行业.docx

分布式高并发.pdf

分布式高并发

基于多峰先验分布的深度生成模型的分布外检测

基于多峰先验分布的深度生成模型的似然估计的分布外检测鸭井亮、小林圭日本庆应义塾大学鹿井亮st@keio.jp,kei@math.keio.ac.jp摘要现代机器学习系统可能会表现出不期望的和不可预测的行为,以响应分布外的输入。因此,应用分布外检测来解决这个问题是安全AI的一个活跃子领域概率密度估计是一种流行的低维数据分布外检测方法。然而,对于高维数据,最近的工作报告称,深度生成模型可以将更高的可能性分配给分布外数据,而不是训练数据。我们提出了一种新的方法来检测分布外的输入,使用具有多峰先验分布的深度生成模型。我们的实验结果表明,我们在Fashion-MNIST上训练的模型成功地将较低的可能性分配给MNIST,并成功地用作分布外检测器。1介绍机器学习领域在包括计算机视觉和自然语言处理的各个领域中然而,现代机器学习系统即使对于分

阿里云服务器下载安装jq

根据提供的引用内容,没有找到与阿里云服务器下载安装jq相关的信息。不过,如果您想在阿里云服务器上安装jq,可以按照以下步骤进行操作: 1.使用wget命令下载jq二进制文件: ```shell wget https://github.com/stedolan/jq/releases/download/jq-1.6/jq-linux64 -O jq ``` 2.将下载的jq文件移动到/usr/local/bin目录下,并添加可执行权限: ```shell sudo mv jq /usr/local/bin/ sudo chmod +x /usr/local/bin/jq ``` 3.检查j

毕业论文java vue springboot mysql 4S店车辆管理系统.docx

包括摘要,背景意义,论文结构安排,开发技术介绍,需求分析,可行性分析,功能分析,业务流程分析,数据库设计,er图,数据字典,数据流图,详细设计,系统截图,测试,总结,致谢,参考文献。

"结构化语言约束下的安全强化学习框架"

使用结构化语言约束指导安全强化学习Bharat Prakash1,Nicholas Waytowich2,Ashwinkumar Ganesan1,Tim Oates1,TinooshMohsenin11马里兰大学,巴尔的摩县(UMBC),2美国陆军研究实验室,摘要强化学习(RL)已经在解决复杂的顺序决策任务中取得了成功,当一个定义良好的奖励函数可用时。对于在现实世界中行动的代理,这些奖励函数需要非常仔细地设计,以确保代理以安全的方式行动。当这些智能体需要与人类互动并在这种环境中执行任务时,尤其如此。然而,手工制作这样的奖励函数通常需要专门的专业知识,并且很难随着任务复杂性而扩展。这导致了强化学习中长期存在的问题,即奖励稀疏性,其中稀疏或不明确的奖励函数会减慢学习过程,并导致次优策略和不安全行为。 更糟糕的是,对于RL代理必须执行的每个任务,通常需要调整或重新指定奖励函数。另一�

mac redis 的安装

以下是在Mac上安装Redis的步骤: 1. 打开终端并输入以下命令以安装Homebrew: ```shell /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" ``` 2. 安装Redis: ```shell brew install redis ``` 3. 启动Redis服务: ```shell brew services start redis ``` 4. 验证Redis是否已成功安装并正在运行: ```shell redis-cli ping

计算机应用基础Excel题库--.doc

计算机应用根底Excel题库 一.填空 1.Excel工作表的行坐标范围是〔 〕。 2.对数据清单中的数据进行排序时,可按某一字段进行排序,也可按多个字段进行排序 ,在按多个字段进行排序时称为〔 〕。 3.对数据清单中的数据进行排序时,对每一个字段还可以指定〔 〕。 4.Excel97共提供了3类运算符,即算术运算符.〔 〕 和字符运算符。 5.在Excel中有3种地址引用,即相对地址引用.绝对地址引用和混合地址引用。在公式. 函数.区域的指定及单元格的指定中,最常用的一种地址引用是〔 〕。 6.在Excel 工作表中,在某单元格的编辑区输入"〔20〕〞,单元格内将显示( ) 7.在Excel中用来计算平均值的函数是( )。 8.Excel中单元格中的文字是( 〕对齐,数字是( )对齐。 9.Excel2021工作表中,日期型数据"2008年12月21日"的正确输入形式是( )。 10.Excel中,文件的扩展名是( )。 11.在Excel工作表的单元格E5中有公式"=E3+$E$2",将其复制到F5,那么F5单元格中的 公式为( )。 12.在Excel中,可按需拆分窗口,一张工作表最多拆分为 ( )个窗口。 13.Excel中,单元格的引用包括绝对引用和( ) 引用。 中,函数可以使用预先定义好的语法对数据进行计算,一个函数包括两个局部,〔 〕和( )。 15.在Excel中,每一张工作表中共有( )〔行〕×256〔列〕个单元格。 16.在Excel工作表的某单元格内输入数字字符串"3997",正确的输入方式是〔 〕。 17.在Excel工作薄中,sheet1工作表第6行第F列单元格应表示为( )。 18.在Excel工作表中,单元格区域C3:E4所包含的单元格个数是( )。 19.如果单元格F5中输入的是=$D5,将其复制到D6中去,那么D6中的内容是〔 〕。 Excel中,每一张工作表中共有65536〔行〕×〔 〕〔列〕个单元格。 21.在Excel工作表中,单元格区域D2:E4所包含的单元格个数是( )。 22.Excel在默认情况下,单元格中的文本靠( )对齐,数字靠( )对齐。 23.修改公式时,选择要修改的单元格后,按( )键将其删除,然后再输入正确的公式内容即可完成修改。 24.( )是Excel中预定义的公式。函数 25.数据的筛选有两种方式:( )和〔 〕。 26.在创立分类汇总之前,应先对要分类汇总的数据进行( )。 27.某一单元格中公式表示为$A2,这属于( )引用。 28.Excel中的精确调整单元格行高可以通过〔 〕中的"行〞命令来完成调整。 29.在Excel工作簿中,同时选择多个相邻的工作表,可以在按住( )键的同时,依次单击各个工作表的标签。 30.在Excel中有3种地址引用,即相对地址引用、绝对地址引用和混合地址引用。在公式 、函数、区域的指定及单元格的指定中,最常用的一种地址引用是〔 〕。 31.对数据清单中的数据进行排序时,可按某一字段进行排序,也可按多个字段进行排序 ,在按多个字段进行排序时称为〔 〕。多重排序 32.Excel工作表的行坐标范围是( 〕。1-65536 二.单项选择题 1.Excel工作表中,最多有〔〕列。B A.65536 B.256 C.254 D.128 2.在单元格中输入数字字符串100083〔邮政编码〕时,应输入〔〕。C A.100083 B."100083〞 C. 100083   D.'100083 3.把单元格指针移到AZ1000的最简单方法是〔〕。C A.拖动滚动条 B.按+〈AZ1000〉键 C.在名称框输入AZ1000,并按回车键 D.先用+〈 〉键移到AZ列,再用+〈 〉键移到1000行 4.用〔〕,使该单元格显示0.3。D A.6/20 C.="6/20〞 B. "6/20〞 D.="6/20〞 5.一个Excel工作簿文件在第一次存盘时不必键入扩展名,Excel自动以〔B〕作为其扩展 名。 A. .WK1 B. .XLS C. .XCL D. .DOC 6.在Excel中,使用公式输入数据,一般在公式前需要加〔〕A A.= B.单引号 C.$ D.任意符号 7.在公式中输入"=$C1+E$1〞是〔〕C A.相对引用 B.绝对引用 C.混合引用 D.任意引用 8.以下序列中,不能直接利用自动填充快速输入的是〔 〕B A.星期一.星期二.星期三 .…… B.第一类.第二类.第三类.…… C.甲.乙.丙.…… D.Mon.Tue.Wed.…… 9.工作表中K16单元格中为公式"=F6×$D$4〞,在第3行处插入一行,那么插入后K7单元 格中的公式为〔 〕A A.=F7*$D$5 B.=F7*$D$4 C

基于PC机资源的分布式计算系统中相干任务求解方法及其优势

© 2014 Anatoly Kalyaev,Iakov Korovin.出版社:Elsevier B.V.由美国应用科学研究所负责选择和/或同行评审可在www.sciencedirect.com在线获取ScienceDirectAASRI Procedia 9(2014)131 - 1372014年AASRI电路与信号处理会议(CSP 2014)利用空闲PC机解决相干任务Anatoly Kalyaeva *,Iakov Korovina南方联邦大学多处理器计算系统科学研究所,2,塔甘罗格347922,俄罗斯摘要本文提出了一种基于PC机资源的分布式计算系统中相干任务求解的新方法。这些资源的参数是动态变化的,这使得它很难在分布式计算中的应用。该方法采用多智能体方法,通过智能体的主动控制,实现了分布式计算系统中个人计算机的有效利用,并通过智能体之间的交互,分散调度任务求解过程。为了解决每一个传入的连贯任务,系统的代理联合成社区,这使得它更容易调度和执行计算。该方法的主要优点是降低了分布式�