ARCHline。 XP Live 2021是一个出色的3D设计应用程序，它允许您快速和轻松地转移BIM模型到Live。 模拟日落、灯、植被、水、人、车等 这是一个非常有用和有效的软件，旨在提供实时和动画的3D项目，如建筑。 它为用户提供了精确的工具和选项，以提供将被设计的项目和建筑建模的详细概述。 它允许你把你的3D设计变成一个专业的看模型，给它一个更现实的可视化使用图像，视频和生动的效果。 ARCHline。 XP Live 2021是一个非常棒的应用程序，它允许你创建高质量，高分辨率的动画剪辑，并将它们合并成一个单独的，而无需使用第三方视频编辑软件产品。 它具有模拟材料，太阳，灯，植被，水和其他环境特征，如人，车辆等的能力。你也可以添加真实的水到你的模型，周围有树木和植物，看看他们的叶子如何在风中移动。 它还提供了一个实时预览的所有角度的3D设计项目的移动和现实的方式。 该项目还与ARCHLine无缝集成。 XP，可以将您的BIM模型转移到VR环境，只需简单的点击。 安装说明：https://blog.csdn.net/hongfu951/article/details/

visio模板，在visio中导入即可。 用途：在visio中画时序图、状态转移图、逻辑连接图。 包括：（1）时序图相关。如上升沿，下降沿，时钟信号等； （2）逻辑连接图相关。如加法器，乘法器，多路复用器，触发器等； （3）状态转移图相关。如状态框，以及状态框之间的连接线。

半监督转移学习的自适应一致性正则化 该存储库用于以下论文中介绍的自适应知识一致性和自适应表示表示一致性： Abulikemu Abuduweili，Li Xingjian Li，Humphrey Shi，徐成中和Dou Dedou，“半监督转移学习的自适应一致性正则化”。 该代码是在具有Tesla V100 GPU的CentOS 6.3环境（Python 3.6，PyTorch 1.1，CUDA 9.0）上开发的。 内容 介绍 在这项工作中，我们考虑半监督学习和转移学习的结合，从而导致一种更实用和更具竞争力的范例，该范例可以利用源域中强大的预训练模型以及目标域中的带标签/未带标签的数据。 为了更好地利用预训练权重和未标记目标示例的价值，我们引入了自适应一致性正则化，它由两个互补组成部分：源模型和目标模型之间（（标记和未标记）示例上的自适应知识一致性（AKC）；以及目标模型上带标签和未

自己疫情期间一个字一个字的敲的，基于keepalived的虚拟化故障转移集群的搭建完整过程，没有任何问题，每一步怎么敲都是有详细步骤的，用的是VIP的虚拟化漂移。

针对小推力探测器巡航段的轨迹优化问题，给出了一种基于高斯伪谱法的快速优化方法。首先对小推力转移轨道进行了优化建模，并对模型进行无量纲化处理，以提高优化算法求解精度。然后采用高斯伪谱配点策略将小推力轨道最优设计问题离散成多约束参数优化问题。最后，仿真计算及结果分析表明：高斯伪谱法可有效求解小推力轨道优化问题，具有对初值猜测不敏感、收敛速度快，精度高等优点。

《肿瘤的侵袭与转移》PPT课件.ppt

BESS 通常用于负载均衡、调峰、负载转移应用等。 此 BESS 块从工作区获取每小时负载曲线 (kW) 输入，并计算到工作区的电网和电池使用输出。 负载曲线必须以两列格式准备，其中第一列是从一天中的 0 小时开始的时间。 第二列是以千瓦为单位的功耗。 （例如，将 SampleLoadProfile.mat 加载到工作区中）。 模拟运行时间以小时为单位，从一天的 0 小时开始。 例如，要模拟 24 小时负载配置文件，模拟运行时间设置为 23，一周运行时间设置为 167，一个月 30 天运行时间设置为 719，31 天运行时间设置为 743。 在求解器选项下的模型配置参数中，设置为固定步长类型并将固定步长大小（基本采样时间）设置为 1 并运行模拟。 该模型的详细说明可以在下面的发表论文中找到http://www.ijsgce.com/uploadfile/2019/1206/20

GenVIdeo 一种基于python编写的视频自动生成程序 一，想要设计的功能： 1，文字转视频任意输入或利用爬虫爬取一段文字语料，首先将其生成音频，然后将这段音频生成视频并添加标题。音频中可加入各种声效，视频可换任意背景图 2，音频转视频输入一段音频，语音识别生成文字，然后生成对应的字幕视频。 3，快速生成动态排名数据可视化视频运用movie中的模块将matplotlib画出的图表变成动画，效果如下链接所示：（ ） 4，快速生成图片字幕类视频输入文字，图片，音频，快速生成视频。 5，视频风格转移称为（ ）此项目的视频风格转移 6，批量上传，发布视频前期暂时先添加抖音平台视频批量上传视频功能，后续继续加入不同平台的接口 二，目前需要的python依赖： moviepy，pymysql，json，解霸，urllib，librosa，uuid，数据时间，百度Aip mo

NCRF 该存储库包含用于重现论文主要结果的代码和数据： 如果您发现代码/数据很有用，请引用以上文章： @inproceedings{li2018cancer, title={Cancer Metastasis Detection With Neural Conditional Random Field}, booktitle={Medical Imaging with Deep Learning}, author={Li, Yi and Ping, Wei}, year={2018} } 如果您有任何疑问，请将其发布在github问题上或发送电子

结合几何成形与概率成形的思想，提出了一种适用于比特交织编码调制系统的星座成形映射方法。该方法基于实用信号星座，通过不使用部分能量较大的信号点并利用多对一的映射关系，使发送信号逼近最佳输入概率分布。利用解调器和译码器之间的迭代译码，该方法可方便地获得成形增益。基于容量和外信息转移图分析，给出了信号星座和信号到符号映射的优化方法。理论分析和仿真结果表明，在高斯白噪声信道和独立Rayleigh衰落信道下，该映射方法利用大信号星座在采用迭代译码的比特交织编码调制系统中均能取得优于传统 Gray 映射的误码性能，且随着调制阶数的增大可进一步提高成形增益。