[其它] Esercitazioni-源码

说明：Esercitazioni
<weixin_42155721> 上传 | 大小：14mb

[其它] 用Keras搭建GAN：图像去模糊中的应用

说明：2014年IanGoodfellow提出了生成对抗网络（GAN）。所有的Keras代码可GAN中两个网络的训练相互竞争。生成器（generator）合成具有说服力的假输入来误导判别器（discriminator），而判别器则是来识别这个输入是真的还是假的。训练过程主要有三步1.根据噪声，生成器合成假的输入2.用真的输入和假的输入共同训练判别器3.训练整个模型：整个模型中判别器与生成器连接注意：在第三步中，判别器的权重是固定的将这两个网络连接起来是由于生成器的输出没有可用的反馈。我们唯一的准则就是
<weixin_38744694> 上传 | 大小：1mb

[其它] midi-cube：用C ++编写的MIDI工作站。 旨在在带触摸屏的单芯片设备（Raspberry Pi）和计算机上工作-源码

说明：魔方 用C ++编写的MIDI工作站。 打算同时在带触摸屏的单芯片设备（Raspberry Pi）和计算机上工作。 计划功能： 服务器集成的虚拟乐器，例如B3琴，电子钢琴合成器，采样器，架子鼓，减法/加法/ FM合成器等。 设备之间的MIDI路由 Looper，琶音器，音序器/鼓机 触控式GUI 允许上传新声音的Web界面或桌面客户端 二手图书馆 RtAudio在RtAudio许可证下获得许可，这与MIT许可证（ ）非常相似 RtMidi是根据RtMidi许可获得许可的，该许可与MIT
<weixin_42144199> 上传 | 大小：307.83kb

[其它] 尝试塞斯-源码

说明：尝试塞斯
<weixin_42097557> 上传 | 大小：591kb

[其它] 钞票认证分类：关于真实和伪造钞票分类的机器学习项目-源码

说明：真假钞票分类 关于数据集： 该数据库包含5个属性，共有1372个实例。 任务是将笔记分类为真实还是假，0为假，1为真实。 使用的算法： 逻辑回归 线性判别分析 K邻居分类器 决策树分类器 高斯朴素贝叶斯 支持向量机 准确性结果： LR 0.991793（0.006367） LDA 0.976264（0.013118） KNN 1.000000（0.000000） 购物车0.980826（0.016641） NB 0.841318（0.049469） SVM 0.995438（0
<weixin_42176827> 上传 | 大小：22kb

[其它] GaAs饱和吸收体的弹性性质的第一性原理

说明：基于密度泛函理论的平面波赝势方法,运用Castep软件研究了带有不同本征点缺陷的GaAs饱和吸收体的晶格常数和弹性性质,得到了在不同的点缺陷影响下的GaAs晶体的弹性常数,并采用Voigt-Reuss-Hill方法计算得到相应的体积弹性模量B、剪切模量G,并与理想GaAs晶体的弹性模量数值进行对比。本征点缺陷的存在破坏了GaAs晶体的对称性,使晶格发生畸变,晶格常数变小,弹性常数也不再符合立方晶系的弹性常数模式。GaAs饱和吸收体的脆性降低,延性增强,晶格更容易发生切向形变。计算得到的弹性常数将
<weixin_38705558> 上传 | 大小：486kb

[其它] 一种基于颜色和灰度跳变的车牌定位方法

说明：一种基于颜色和灰度跳变的车牌定位方法
<weixin_38679045> 上传 | 大小：791kb

[其它] Ray：面向AI应用的分布式执行框架

说明：导读：下一代人工智能应用程序需要不断地与环境交互，并从这些交互中学习。这对系统的性能和灵活性提出了新的要求，而现有的机器学习计算框架大多无法满足这些要求。为此，UCBerkeley项目组开发了一个新的分布式框架Ray，并于近日在Arvix上发表了相关论文：《Ray:ADistributedFrameworkforEmergingAIApplications》。论文第一作者为PhilippMoritz及RobertNishihara，是UCBerkeleyAMPLab的博士生，而MichaelI.
<weixin_38691970> 上传 | 大小：610kb

[其它] dbms：关于数据库IU-9的课程工作-源码

说明：数据库 数据库IU-9的课程工作
<weixin_42144604> 上传 | 大小：173kb

[其它] 某类本原不可幂定号有向图局部基的界

说明：某类本原不可幂定号有向图局部基的界
<weixin_38722464> 上传 | 大小：284kb

[其它] siamese(孪生)网络

说明：siamese网络，是05年YannLecun提出来的。它的特点是它接收两个图片作为输入，而不是一张图片作为输入。下面介绍原始的孪生网络：目的：比较两幅图片是否相似，或者说相似度是多少输入：两幅图片输出：一个相似度数值其实我觉得，用“计算相似度”这个词有点不合适，我觉得应该翻译为匹配程度。因为文献所采用的训练数据中，如果两张图片匹配，输出值标注为y=1，如果两张图片不匹配，那么训练数据标注为y=-1，也就是说，这个训练数据的标注方法，根本就不是一个相似度数值，而是一个是否匹配的数值。我们打个比方
<weixin_38688352> 上传 | 大小：498kb

[其它] 基于优化子集顺序的三维OSEM图像重建算法

说明：基于优化子集顺序的三维OSEM图像重建算法
<weixin_38518006> 上传 | 大小：1mb