[其它] learning-ds:动态数据流方法-源码

说明：动态数据流方法 安装 git clone https://github.com/danielkorat/learning-ds.git cd learning-ds python3.6 -m pip install -U pip virtualenv python3.6 -m virtualenv .env source .env/bin/activate 重新创建图 要从原始纸张重新创建图形，请执行以下操作： 从此处下载预测查看并提取 在此处下载保存的param_results ： : p
<weixin_42151599> 上传 | 大小：11mb

[其它] Status:B BamseMoms的正常运行时间监控器和状态页面，由upptime提供支持-源码

说明：： :orange_square: 部分中断 网址 状态 历史 响应时间 正常运行时间 :green_square: 向上 90毫秒 :green_square: 向上 893毫秒 :red_square: 下 0毫秒
<weixin_42116604> 上传 | 大小：19kb

[其它] covidata-源码

说明：covidata
<weixin_42127748> 上传 | 大小：11kb

[其它] ingTest:ING测试的回购-源码

说明：测验 ING测试的回购 Gradle 如果使用Gradle，请在终端窗口（（在完整目录中）./gradlew bootRun中运行以下命令。 玛文 如果使用Maven，请在终端窗口（完整目录中）中运行以下命令./mvnw spring-boot：run 使用 您可以通过运行以下命令来检查应用程序的运行状况：$ curl localhost：8080 / api /“测试服务工作！” 或直接在您的ide中运行应用程序，然后转到浏览器和数字： 本地主机：8080 / api /“测试服务正常工作
<weixin_42110070> 上传 | 大小：59kb

[其它] yi-lo.github.io:个人博客-源码

说明：yi-lo.github.io:个人博客
<weixin_42131785> 上传 | 大小：1mb

[其它] devicon-lookup:在每个文件名的开头添加正确的devicon-源码

说明：devicon查找 devicon-lookup是一个简单的独立CLI工具。 它接受stdin上的文本，并以前置devicon返回它的stdout。 用例 用例包括： 将devicons放在目录中的文件之前 ls | devicon-lookup --color 向grep结果添加图标 rg test | devicon-lookup --prefix : 大型结果集的流式结果 rg str --color always | devicon-lookup -c -p : | fzf --ans
<weixin_42120550> 上传 | 大小：1mb

[其它] 三相四线电力系统中并联有源电力滤波器的高效控制系统

说明：在三相四线并联有源电力滤波器（APF）的基础上，讨论了控制系统。 为了更快地产生补偿电流，融合了FFT和pq方法来检测谐波电流，并采用基于MCBSP的双DSP硬件结构来实现信号处理。 同时，本文提出了一种三闭环控制系统以保持精度。 然后，我们为控制系统建立一些MATLAB模型，以验证该系统的有效性。 最后，我们做了一个实验来实现双DSP之间的通信。
<weixin_38666114> 上传 | 大小：850kb

[其它] CalvinWan0101-源码

说明：嗨，这是加尔文 :waving_hand: 来自台湾的18岁高中生 :crossed_swords:不断尝试以踏出我的舒适圈 :beer_mug:希望能交到一起写程式的朋友 :joystick:游戏爱好者 :clapper_board:影像作业爱好者 :laptop:梦想成为软体工程师！ 与我联系：
<weixin_42100188> 上传 | 大小：2mb

[其它] quntox-weather-app-源码

说明：quntox-weather-app
<weixin_42128270> 上传 | 大小：6mb

[机器学习] 中国教育史经验分享.docx

说明：2020考研经验分享
<weixin_55859923> 上传 | 大小：40kb

[其它] 移动机器人运动目标检测与跟踪系统

说明：移动机器人运动目标检测与跟踪系统
<weixin_38691742> 上传 | 大小：551kb

[其它] 功能性大脑网络的重组介导了对工作记忆的实时神经反馈训练后认知能力的改善

说明：工作记忆（WM）对于个人的认知功能至关重要。 神经影像学研究表明，WM基本上依赖于额顶前工作记忆网络（WMN）和舌顶默认模式网络（DMN）。 行为训练研究表明，可以通过WM训练来调节这两个网络。 与行为训练不同，我们最近的研究使用了基于实时功能性MRI（rtfMRI）的神经反馈方法进行WM训练，这表明在成功上调目标目标区域（ROI）的活动后，WM性能可以得到显着改善。在左背外侧前额叶皮层中（Zhang等人，[2013]：PloS One 8：e73735）； 然而，基于rtfMRI的WM训练的神
<weixin_38544152> 上传 | 大小：508kb