回想一下今天早上：关掉闹钟，穿上衣服，刷牙，煮咖啡，喝咖啡，然后在上班时锁上门。现在想象一下，不用手再做所有这些事情。 由于截肢或神经系统残疾而失去手功能的患者每天都会意识到这一现实。使用脑机接口（BCI） 修复设备恢复患者执行这些日常基本活动的能力，这将大大提高患者的独立性和生活质量。当前，尚无现实，负担得起或低风险的选择，可帮助神经系统残疾的患者直接控制外部假肢与他们的大脑活动。 脑电图信号是从人的头皮上记录下来的，是由大脑活动诱发的。大脑活动和脑电图信号之间的关系是复杂的，除了特定的实验室测试之外，人们对其知之甚少。提供负担得起的、低风险的、无创的BCI设备依赖于解释脑电图信号的进一步发展。 这项比赛要求你使用从健康受试者进行这些活动时获取的脑电图数据来识别手何时在抓取、举起和替换物体。更好地了解脑电图信号与手部动作之间的关系对于开发BCI设备至关重要，该设备将使神经功能障碍患者能够更自主地在世界上移动。 Grasp-and-Lift EEG Detection_datasets.txt

抓举 这是“抓取和提升” EEG检测挑战中的第五名。 我要感谢我的伟大队友的贡献！

抓举 Grasp-and-Lift EEG 检测 Kaggle 比赛 设置 需要 pip 和 python 克隆仓库git clone https://github.com/jrubin01/grasp-and-lift.git cd grasp-and-lift 创建虚拟环境virtualenv venv source venv/bin/activate 安装所需的库pip install -r requirements.txt 启动 ipython ipython notebook

Lift, Splat, Shoot: Encoding Images From Arbitrary Camera Rigs by Implicitly Unprojecting to 3D源码及权重，给不会上网的人下载

Lift in Action中文版

这个包的图像处理代码是与 Amir Meghdadi 合作编写的。 用于分析气泡滑动和升空事件的图像处理和数据编译包。 需要使用帧内缩放设备或已知图像比例的气泡成核、滑动和升空事件的高速灰度视频。 从成核到升起跟踪单个气泡，并测量各种参数，包括滑动速度、3D 等效球直径、底部直径、最大 3D 直径、升起 3D 直径，以及（如果分辨率在附近的分辨率足够高）泡底）接触角和倾角。 在特定气泡的每一帧中测量参数，并在 Microsoft Excel 文件中作为原始数据输出。 用户分析完所有有用的气泡后，数据将被编译并汇总到 Microsoft Excel 文件中。

利用GUI实现电梯控制的模拟,窗口显示所在楼层数与要访问的楼层数.

深度学习应用到局部特征点匹配佳作，可以说是一个开天辟地的论文。具体自己看！ 这个最少是两个积分，没办法！！

自己写的逻辑清晰的电梯模拟程序，带思路说明。带vc6.0dsw等所有文件。用mfc对话框做的。Microsoft visio画的流程图，看上去思路会清晰很多。而且逻辑也比较严密。

把我提起来 安装 该应用程序需要 Python 3.4。 它可以从可用的存储库或 pyenv 安装。 安装Python 3.4后，需要在项目目录下创建虚拟环境： git clone https://github.com/neglectedvalue/lift-me-up cd lift-me-up pyvenv .venv source .venv/bin/activate pip install -r requirements.txt 应用程序现在应该可以运行了。 发射 该应用程序通过 run.py 启动： python run.py 并在浏览器中打开它： open http://localhost:8080 关于代码的几句话 该代码是在尝试新代码和解决问题之间折衷编写的。 所以我决定使用最新版本Python的标准实现assionhronogo IO 。 对于 HTTP A