[其它] 时变时滞参数不确定随机系统的滑模变结构控制

说明：首先，提出了滑动运动到达接近滑模面的次可达性的新概念。然后，提出了保证滑动运动是次可达的变结构控制律。再者，被称为滑模均方渐近稳定的一个充分条件。最后，由一个数值模拟示例说明了所导致的结果的可行性与有效性。
<weixin_38565631> 上传 | 大小：537kb

[其它] 通过重新配置WDM网状网络来提高多链路故障的生存能力

说明：本文提出了一种新的启发式算法，称为Shared Multi-sub-backup-paths Reprovisioning（SMR），以提高WDM网状网络中多链路故障的生存能力。 在SMR中，最初将为每个连接分配一个主路径，一个备份路径和多个子备份路径。 发生故障时，SMR将根据相应的策略为这些受故障影响的连接重新配置主要或备用资源。 与以前的算法相比，SMR的可生存性能可以大大提高。
<weixin_38731123> 上传 | 大小：372kb

[其它] 一类具有变时滞不确定分布参数系统的滑动模控制

说明：研究一类不确定变时滞分布参数系统的滑动模控制问题.首先设计一种无记忆功能的变结构控制器;然后分析了在滑动模切换面上滑动模控制系统关于不确定量的不变性特征;最后给出了从任意初始位置出发的轨线到达滑动模态区的时问估计.研究表明,所设计的控制器结构简单,容易实现.
<weixin_38670707> 上传 | 大小：191kb

[其它] 披露-源码

说明：程序漏洞披露政策 *开源团队认为，开发人员和研究人员应对该漏洞负责。 漏洞披露政策可能会保护我们的互联网用户。 产品范围 此政策仅适用于以下程序： Fastjson： ： 德鲁伊： : 报告中 如果您认为在*集团的产品或服务中发现任何安全（技术）漏洞，欢迎您在ASRC平台（ ）上提交漏洞报告。 您可以在平台上找到报告的状态。 如果报告任何安全漏洞，请注意，您可能包括以下信息（合格报告）： 产品名称。 带有必要屏幕截图的详细说明。 与漏洞相关的组件版本。 重现该漏
<weixin_42099942> 上传 | 大小：1kb

[其它] 如何从零开始搭建CI/CD流水线

说明：在当前DevOps的趋势下，持续集成（CI）和持续部署（CD）具有支柱性地位，那么能够成功搭建CI/CD流水线就至关重要了。我们可能会在各种角色的岗位描述中发现关于「持续集成」和「持续部署」技能的要求，比如：数据工程师、云解决方案架构师、数据科学家等。为了在开发团队和运营团队之间搭建桥梁，CI/CD流水线实现了应用程序的自动构建、自动测试和自动部署。在介绍CI/CD流水线的工作原理之前，我们先了解一下什么是DevOps。DevOps是一种软件开发方法。它将持续开发、持续测试、持续集成、持续部署和
<weixin_38594252> 上传 | 大小：1mb

[其它] 库：Ruby API-源码

说明：图书馆 Ruby API
<weixin_42168902> 上传 | 大小：69kb

[其它] 容错多域光网络中基于抽象虚拟拓扑的局部和全局哈密顿循环保护算法

说明：容错多域光网络中基于抽象虚拟拓扑的局部和全局哈密顿循环保护算法
<weixin_38654382> 上传 | 大小：681kb

[其它] 深入理解CI/CD：工具、方法、环境、基础架构的全面指南

说明：持续集成和持续交付（CI/CD）是DevOps背后的助推力之一。如果你的企业正在考虑使用DevOps，那么CI/CD绝对是需要考虑的其中一部分。但是CI/CD到底意味着什么？为什么它如此重要呢？为了对你的DevOps工具包和IT部署进行战略规划，深入理解CI/CD至关重要。本文中，我们将探讨CI/CD所需解决的难点、需要的工具以及预期的收益。首先，我们从大局着手。DevOps旨在创建一个流畅的工作流程，并尽可能减少越区切换和建立快速反馈回路。这意味着什么呢？工作会从第一步开始一直向前推进，并且在
<weixin_38733281> 上传 | 大小：321kb

[其它] app2：贝蒂在节日前检查天气！-源码

说明：app2-JS提取API 基于Weather App
<weixin_42097369> 上传 | 大小：510kb

[其它] JSPR-1-1.2-源码

说明：JSPR-1-1.2
<weixin_42143806> 上传 | 大小：4kb

[其它] 基于HMM-FNN模型的复杂动态手势识别

说明：复杂动态手势识别是利用视频手势进行人机交互的关键问题.提出一种HMM-FNN模型结构.它整合了隐马尔可夫模型对时序数据的建模能力与模糊神经网络的模糊规则构建与推理能力,并将其应用到复杂动态手势的识别中.复杂动态手势具备两大特点:运动特征的可分解性与定义描述的模糊性.针对这两种特性,复杂手势被分解为手形变化、2D平面运动与Z轴方向运动3个子部分,分别利用HMM进行建模,HMM模型对观察子序列的似然概率被作为FNN的模糊隶属度,通过模糊规则推理,最终得到手势的分类类别.HMM-FNN方法将高维手势特
<weixin_38584058> 上传 | 大小：569kb

[其它] 烧瓶后的例子-源码

说明：烧瓶后的例子
<weixin_42102401> 上传 | 大小：3kb