这是对Palubicki2009的主要观点的C++实现。为了帮助有兴趣的读者更好地理解该论文的实现方式，代码被记录下来。其结果在结构上与原始论文中的结果相当。然而，从视觉上看，其结果要差一些。这是因为渲染是通过OpenGL光栅化完成的，没有阴影，只是将节间实例化为圆柱体。从性能上讲，这个实现和原始论文中的实现一样好。

oracle+ef6+vs2013及其测试程序（走通的）

自适应数字滤波器设计，很好的英文教材

个人文件 请勿下载

自监督核分割 用于训练自监督分割网络以对组织病理学图像中的核进行分割的代码[1]。 train.py包含培训代码并定义命令行选项。 datasets.py定义用于读取图像的数据集。 models.py定义了相关模型（注意网络和规模网络）。 utils.py定义了其他有用的功能。 configs/定义.yaml配置文件以设置实验参数。 安装 Anaconda环境在conda_env.yml指定。 可以使用以下方式重新创建环境 conda env create -f conda_env.yml 已在Nvidia GeForce GTX 1080和GeForce GTX 1080 Ti GPU，运行驱动程序版本410.48和cuda 10.0以及带有Torchvision 0.3.0的Pytorch 1.1.0上进行了测试。 数据 请参阅目录以获取有关下载和使用数据的说明。 用法 t

1.基于VR技术开发的安卓应用 2.拍摄相应的识别图，可以出现东北虎模型 3.文件内含Unity工程文件、模型、识别图

细粒度的自我监督学习 此存储库具有与用于细粒度图像分类的自我监督学习相关的代码。 我使用了木薯植物病数据集

ENERGY SELF-SUSTAINABILITY IN 6G.pdf

A three year follow up of self expanding metal.pdf

MFFA 多重分形趋势波动分析MFDFA是一种与模型无关的方法，可以揭示随机过程或自回归模型的自相似性。 DFA由Peng等人首先开发。 1和后来扩展到研究Kandelhardt等人的多重分形MFDFA 。 2 。 在最新版本中，还添加了移动窗口系统，特别适用于短时间序列，最近对DFA的扩展（称为扩展DFA ）和经验模式分解的额外功能（作为去趋势方法）。 安装 要安装MFDFA，您只需使用 pip install MFDFA 在您喜欢的编辑器上，只需将MFDFA导入为 from MFDFA import MFDFA 有一个附加的库fgn可以生成分数高斯噪声。 MFDFA库 MFDFA基础仅取决于numpy ，尤其是numpy的polynomial 。 在版本0.3中，添加了一种基于方法，以替代依赖于PyEMD时间序列趋势变化方法。 使用MFDFA库 一维分数阶Ornstein-U