多智体强化学习（Multi-agent reinforcement learning, MARL）假设有一组处在相同环境下的自主智能体。在MARL中学习非常困难，因为agent不仅与环境交互，而且还会相互作用：一个agent
2018-06-27 14:22
在传统的多智体学习过程当中，有研究者在对其他智能体建模 (也即“对手建模”, opponent modeling) 时使用了递归推理，但由于算法复杂和计算力所限，目前还尚未有人在多智体深度强化学习 (Multi-Agent Deep Reinforcement Learning) 的对手建模中使用递归推理。
2019-03-05 08:52
即在分布式计算或者多代理（multi-agent）系统中，如何在发生进程故障的情况下保持系统的可靠性（reliability）。这通常需要进程就计算过程中的一些数值或数值操作达成一致，包括如何将提交到数据库，如何识别leader进程，状态机复制（一种故障容忍机制），原子广播等操作。
2019-07-18 10:06
本文提出了一种传感器管理系统框架，给出了基于多Agent的解决方案。该结构通过多个Agent间的相互协商来实现传感器任务的分配，较好地克服了在融合中心存在的缺陷。并在此基础上着重探讨各Agent之间的协调合作问题，实
2018-03-14 10:11
Multi-Die系统的基础构建，亦是如此，全部都需要细致入微的架构规划。 对于复杂的Multi-Die系统而言，从最初就将架构设计得尽可能正确尤为关键。 Multi-Die系统的出现，是为了应对设计规模增加和系统复
2023-09-22 11:07
对于一些Timing比较Critical的Path，如果发现上面有一些Multi-bit Flip Flop(MBFF)，那么可以考虑用这种方式来修复。
2022-11-09 10:31
在 GLUE 和 SuperGLUE 数据集上进行了实验，证明了 Multi-CLS BERT 在提高整体准确性和置信度估计方面的可靠性。它甚至能够在训练样本有限的情况下超越更大的 BERT 模型。最后还提供了 Multi-CLS BERT 的行为和特征的分析。
2023-07-04 15:47
引言：Multi-Media信号(多媒体信号)接口包括HDMI、DP、LVDS，SerDes等，HDMI、LVDS和DP主要用于消费电子，诸如PC、TV投影仪等，SerDes则用于车载多媒体板级远端连接。
2023-12-03 14:58
Multi-Scaler是一个用于图像缩放的视频处理IP核，支持最多8路输出，使用Memory接口，从源缓冲区读取图像，在H和V域进行缩放后写入到目的缓冲区，源端的缓地址和目的端缓存地址可以动态的更改，输出完成之后会产生一个中断信号。 IP的配置界面如图。
2023-05-19 14:08
本篇文章介绍了在 ZCU106 上创建 Video Multi-Scaler IP 的 AMD Vivado™ Design Tool 和 Petalinux 工程；在 ZCU106 上 Run 生成的 Image，并测试生成的图像文件，以及常见问题的 Debug。
2024-09-18 10:03
