用于文档图像变形的门控和分叉堆叠式U-Net模块 捕获文档图像是记录它们的最简单，最常用的方法之一。 但是，这些图像是在手持设备的帮助下捕获的，通常会导致难以消除的不良失真。 我们提出了一个监督的门控和分叉堆叠式U-Net模块，以预测变形网格并从输入中创建无失真的图像。 在对网络进行人工合成的文档图像训练时，将根据真实世界的图像来计算结果。 我们方法的新颖性不仅存在于U-Net的分叉中，以帮助消除网格坐标的混合，而且还存在于使用门控网络的情况下，该门控网络为模型增加了边界和其他分钟线级别的细节。 我们提出的端到端流水线仅在先前方法中使用的数据的8％进行训练后，就可以在DocUNet数据集上实现最新的性能。 要求 所需的软件包： 火炬（> 1.4.0） 火炬视觉（> 0.6.0） numpy（> 1.18.4） 要安装所有必需的软件包，请使用pip install -r requir

高光谱分解 卷积神经网络的高光谱图像分解（无分叉，半成品） 说明 先决条件 Python 3.8 TensorFlow 2.3.0 建议使用conda创建虚拟环境并使用以下命令安装依赖项： pip install -r requirements.txt 用法 在设置参数后，在终端中输入以下命令： python run.py 更多细节： 使用python run.py -h获取更多参数设置详细信息。 数据集 我们提供了两个处理后的数据集：数据集中的Jasper Ridge（jasper），Urban（urban）/ data.npy：高光谱数据文件。 data_gt.npy：基本事实文件。 data_m.npy：端成员文件。 更新：2021年2月10日

本文研究了具有简并鞍点和一个外力的Duffing方程，并通过Melnikov方法获得了周期扰动下Duffing方程的混沌判据。 数值模拟不仅表明理论分析的正确性，而且还表现出更多新的复杂动力学行为，包括等斜分叉，分叉图，最大李雅普诺夫指数图，相图和庞加莱图。

mysql的mind分叉图

此文件包含了洛伦兹系统的庞加莱截面图，李雅普诺夫指数图的源代码，也有Logistic映射的分叉图，代码可以运行。

利用实际病人的CT影像数据构建颈动脉分叉血管几何模型,利用ANSYS有限元软件计算血流速度和压力分布,对颈动脉血流动力学的特征进行分析,如颈动脉剪切应力在一个心动周期里不同时刻的变化情况,颈动脉窦部的血流速度场随时间变化情况,涡流形成的特点;然后分析颈总动脉、颈内动脉和颈外动脉的血流阻力变化情况。数值仿真结果表明,在心动周期的不同时刻,颈动脉窦部的剪切力几乎是最小的。在颈动脉窦部下方附近,涡流易于形成。在收缩期的开始阶段,动脉阻力有一个很大的高峰。这些特点会对研究颈动脉血管疾病有一定的启发。

本PPT讲解区块链领域的共识机制。 主要面向所有区块链领域的技术人员。特别是期望在应用中需要了解共识机制的人员。 …… 区块链中的比喻：共识机制是区块链的灵魂核心、密码算法是区块链的骨骼。 相关的区块链知识请参考我们的一系列培训PPT

大数据-算法-饱和非线性广义Schrdinger方程的行波解定性与分叉研究.pdf

安全技术-网络信息-树状分形分叉网络的输运特性.pdf

混沌与分形的经典,谁写的不重要,做这个的书本来就少,能有就不错了!