搜索资源列表
adversarial.tar
- 此程序为对抗生成网络，生成图像。 生成对抗网络是一种生成模型（Generative Model），其背后基本思想是从训练库里获取很多训练样本，从而学习这些训练案例生成的概率分布。 而实现的方法，是让两个网络相互竞争，‘玩一个游戏’。其中一个叫做生成器网络（ Generator Network），它不断捕捉训练库里真实图片的概率分布，将输入的随机噪声（Random Noise）转变成新的样本（也就是假数据）。另一个叫做判别器网络（Discriminator Network），它可以同时观察真实和假
语音识别
- 语音识别技术以及训练模型材料（带语音库），可以快速入门语音识别技术。商业开源优秀工具kaldi(Speech recognition technology and training model materials (with voice libraries) can be quickly introduced to speech recognition technology. Commercial open source excellent tool Kaldi)
bfqwfm
- 蚁群算法经典TSP模型,ANT-CYCLE算法的实现, 使用了C++的STL库, 原是我毕设的一部分 现在贡献出来 , PS 网上()
libev-3.7.tar
- libev是高性能事件循环/事件模型的网络库,并且包含大量新特性,除了提供了基本的三大类事件（IO事件、定时器事件、信号事件）支持外还提供了周期事件、子进程事件、文件状态改变事件等多个事件的支持((Libev is a high performance event loop/event model of the network library, and contains a large number of new features, in addition to providing three
odesRK4
- 四阶经典龙格库塔法求解线性常微分方程组, 以及简易食物链的模型应用，方程组以向量输入输出(Four order Rung-Kutta for differential equations)
simulink建模与调试
- Simulink是动态和嵌入式等系统的建模与仿真工具，也是基于模型设计的基础。对于机电、航空航天、信号处理、自动控制、通讯、音视频处理等众多领域，Simulink提供了交互式的可视化开发环境和可定制的模块库，对系统进行建模、仿真与调试等。并可实现与Stateflow有限状态机的无缝连接，扩展对复杂系统的建模能力。(Simulink modeling and debugging)
gray prediction and iterative methods
- matlab预测模型，之灰度预测，还有改进欧拉，龙格库塔等迭代方法(prediction model, gray prediction, and improved Euler, Runge Kutta and other iterative methods)
Java-WebSocket
- 这个库包含一个空的WebSocket服务器和客户端的实现java写的100%。潜在的类的实现是，它允许一个非阻塞的事件驱动模型（类似于WebSocket API的Web浏览器）。(This repository contains a barebones WebSocket server and client implementation written in 100% Java. The underlying classes are implemented java.nio, which all
fm4_tsp
- 该模块通过在SIMULINK模型中对设备驱动程序进行排序，生成设备驱动程序。这个库提供了电机控制所需的外围块。(This block generates the device driver program by arranging it in the model of Simulink. This library offers the peripheral block necessary for the motor control.)
基于ASM和K近邻算法的人脸脸型分类_张倩
- 针对人脸特征分类问题，提出一种基于主动形状模型(ASM)和 K 近邻算法的人脸脸型分类方法。将 Hausdorff 距离作为 K 近邻算法的距离函数，利用 ASM 算法提取待测图像的特征点，对点集进行归一化后计算人脸轮廓特征点与样本库中所有样本点集的 Hausdorff距离，根据该距离值，通过 K 近邻算法实现待测图像的脸型分类。实验结果证明，该方法分类正确率高、速度快、易于实现。(Aiming at the problem of face feature classification, thi
tensorflow-mnist-predict-master
- 这个项目由四个脚本组成： 1. _create_model_1.py_ - 基于初学者教程创建一个模型model.ckpt文件。 2. * create_model_2.py * - 基于专家教程创建模型model2.ckpt文件。 3. * predict_1.py * - 使用model.ckpt（初学者教程）文件来预测.png文件中手写数字的正确整数。 4. * predict_2.py * - 使用model2.ckpt（专家教程）文件来预测.png文件中手写数字的正确整数。
instrument
- 这里是使用js中echarts库编写的汽车仪表模型(Here is an automobile meter model written in echarts Library of JS.)
libiec61850-1.2.1.tar
- 此库通过标准C编写，提供IEC61850的MMS协议实现的最新版ED2，兼容大多数ED1；它也提供变电站内的GOOSE通信。这个项目的目标是提供一个实现，并且这个实现非常的轻便，可以运行在嵌入式系统和小型控制器上。它还提供了很多简单的例子，可以作为我们自己的程序的开始点。 如下特性被支持： 1 ISO全协议的TCP/IP 2 静态生成IED模型，是靠SCL文件，通过C代码生成 3 动态生成IED模型，是通过API调用或者通过配置文件 4 关联服务（通过密码验证） 5 简单的和复杂的MMS变量读写
新建文件夹 (3)
- 主要是建立考虑温度场与立场耦合下的直齿轮动力学模型。通过龙格库塔法求解，得出一系列的动态特性。(The dynamic model of spur gear is mainly established considering the coupling of temperature field and position. A series of dynamic characteristics are obtained by using the runge-kutta method.)
卡尔曼滤波原理及应用MATLAB仿真 pdf1
- 卡尔曼滤波原理及应用—MATLAB仿真主要介绍数字信号处理中的卡尔曼（Kalman）滤波算法及在相关领域应用。全书共7章。第1章为绪论。第2章介绍MATLAB算法仿真的编程基础。第3章介绍线性Kalman滤波。第4章讨论扩展Kalman滤波，并介绍其在目标跟踪和制导领域的应用和算法仿真。第5章介绍UKF滤波算法，同时也给出其应用领域内的算法仿真实例。第6章介绍了交互多模型Kalman滤波算法。第7章介绍Simulink环境下，如何通过模块库和S函数构建Kalman滤波器，并给出了系统是线性和非线
IEEE39BusSystem
- 基于PSCAD的IEEE39节点测试系统，可实现电磁暂态仿真、机电暂态仿真以及小信号稳定性仿真分析等。通过E-TRAN将PSS/E数据转换为PSCAD模型，模型包含有E-TRAN的元件库等。(IEEE New England 39-bus test system based on PSCAD/EMTDC. The model can be used in electromagnetic transient simulations, electromechanical transient sim
homework3
- 将二位数据投影到一维线性， LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。所谓生成模型，就是说，我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布，主题到词服从多项式分布。 [1] LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）
Datafeed：Python 金融数据库从开发到实践
- 《Datafeed: Python 金融数据库从开发到实践》，这是一本python用于金融方面的书。在量化金融的时代，选用一种合适的编程语言对于金融模型的实现是至关重要的。在这方面，Python语言体现出了不一般的优势，特别是它拥有大量的金融计算库，并且可以提供与C++，java等语言的接口以实现高效率的分析，成为金融领域快速开发和应用的一种关键语言，由于它是开源的，降低了金融计算的成本，而且还通过广泛的社交网络提供大量的应用实例，极大的缩短了金融量化分析的学习路径。(Datafeed: Pyt
基于深度学习的二进制代码漏洞检测系统
- 二进制代码漏洞检测是一个重要的研究问题。针对当前基于静态分析的二进制代码漏洞检测系统普遍存在误报率高,检测粒度粗,且依赖专家经验等问题,提出了用库/API函数调用程序切片细粒度表示二进制程序,并引入深度学习技术,自动检测二进制程序中库/API函数调用相关漏洞,设计并实现了一个基于深度学习的二进制代码漏洞检测系统——BVDetector。该系统通过对二进制程序进行控制流和数据流分析,从程序中提取库/API函数调用的程序切片,并为程序切片添加有无漏洞的标签;然后将程序切片转换成符合漏洞检测深度学习模
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景，只有基础的高中水平数学应该让你跟随和理解核心