功能磁共振成像 fMRIflows是完全自主的单变量和多变量fMRI处理管道的集合。 这包括解剖和功能上的预处理，信号混杂的估计以及在受试者和小组水平上的单变量和多变量分析。 显而易见， fMRIflows受到和其他开源项目的极大启发，并从它们的思想和解决方案中大力借鉴。 但是尽管可以被描述为“玻璃”盒子软件，但fMRIflows更像是鞋盒。 易于打开，易于理解，内部简单易用，可轻松更换和更改内部组件。 这完全是由于fMRIflows所有源代码都存储在笔记本中。 如果您正在出版物中使用fMRIflows ，请与作者 fMRIflows联系，以获取有关如何引用此工具箱的更多信息，因为该出版物目前正在准备提交。 安装及使用 使用容器 使用fMRIflows的最佳方法是直接在相应的容器（ 或 ）中运行它。 可以使用docker pull miykael/fmriflows命令从Docker

三相线电压有效值1140V，4MW并网变流器。 变流器为背靠背AC-DC-AC结构，DC侧有储能系统。 机侧变流器与网侧变流器均为I型NPC，采用SPWM调制。 风机为PMSG，考虑了MPPT。 设计了PLL，储能控制为电压外环电流内环的双闭环控制，并网侧控制为PQ解耦控制。 采用离散控制（z域），考虑了实际的采样延时。 压缩包内含建模说明的文档与分模块搭建的仿真文件。 Matlab版本建议为2015a及以上。

为解决地磁匹配导航中TERCOM算法精度较差、ICCP算法容易产生局部收敛且匹配速度较慢的缺陷，提出了一种联合TERCOM与ICCP的水下地磁匹配导航新方法。对此算法中的粗匹配及其性能进行了分析，同时，对精匹配及改进ICCP算法进行了研究，解决了传统匹配导航算法精度、速度及完备性不能兼得的问题。

Python中的UnionFind实现 联合查找是一种数据结构，可保持不相交的集合（称为连接的组件或简称为组件）成员身份，并使合并（联合）两个组件以及查找两个元素是否已连接（即属于同一组件）更加容易。 ）。 这实现了“加权快速工会与路径压缩”联合查找算法。 仅当元素是不可变的对象时才有效。 联合和查找（N + M \ log ^ * N）的最坏情况，具有N个元素和M个联合/查找操作。 函数\ log ^ *是获取一个数字的\ log （以2为底）直到达到1所需的次数。实际上，每个操作的摊销成本几乎是线性的 。 内容 模块unionfind与类UnionFind 示例笔记本UnionFindExamples.ipynb 许可证：麻省理工学院。 要求 numpy

unionfind unionfind是 Python/Cython 中不相交集森林数据结构的简单、快速实现。 该模块定义了一个类UnionFind ，其元素是连续的整数索引。 用法 使用pip安装（需要构建 cython）。 通过编写unionfind.UnionFind(n) import unionfind并在n 个元素上创建森林。 使用find(i)方法find(i)索引为i的点的根。 使用union(i, j)方法union(i, j)包含i和j的集合，为方便起见，该方法还返回结果集的根。 使用n_sets属性查看森林中有多少不相交的集合。 完整文档中更详细地描述了上述内容。 要构建文档，首先使用pip安装模块， cd到doc目录，然后make html 。

农商行股权管理系统客户端操作手册 - 江西联合股权交易中心.pdf

基于Simplorer场路耦合多物理域联合仿真 基于Simplorer场路耦合多物理域联合仿真

联合矩阵F范数的低秩图像去噪

基于UKF-AUKF锂电池...线参数辨识和SOC联合估计_卢云帆.caj

labview 与C++ 联合开发资料。相信对C++ labview联合开发有帮助