财务会计准则委员会 介绍 主要代码 先决条件 Python 3.6（numpy，skimage，scipy） TensorFlow> = 1.4 的opencv2 枕头（PIL） 易言 火车 您可以使用生成虚拟深度图。 对于单帧舞台： cd fas_sgtd_single_frame && bash train.sh 对于多帧阶段： cd fas_sgtd_multi_frame && bash train.sh 测试 我们提供OULU-NPU协议1的示例。您可以从 （pwd：luik）或下载模型，然后将其放入fas_sgtd_multi_frame/model_save/ 。 cd fas_sgtd_multi_frame && bash test.sh 执照 代码：根据MIT许可。 它仅用于研究目的，不允许用于商业用途 引文 如果您使用此代码，请考虑引用： @inprocee

最优化课程设计--共轭梯度法算法分析与实现.doc

几种经典的策略梯度算法性能对比.docx

最详细的题目下降法代码_MATLAB编程-梯度下降法优化线性函数-梯度下降法求解多元函数最小值-注释详细

对称梯度域机器学习（sGDML） 有关更多详细信息，请访问： : 可以在这里找到文档： : 要求： Python 3.7以上 NumPy（> = 1.19） 科学（> = 1.1） 可选的： PyTorch（用于GPU加速） ASE（> = 3.16.2）（运行原子模拟） 入门 稳定释放 大多数系统pip预先安装了针对Python pip的默认软件包管理器。 只需调用以下sgdml即可安装sgdml ： $ pip install sgdml sgdml命令行界面和相应的Python API现在可以在系统上的任何位置使用。 开发版 （1）克隆存储库 $ git clone https://github.com/stefanch/sGDML.git $ cd sGDML ...或更新您现有的本地副本 $ git pull origin master （2）安装 $ pi

MSG和TNT应变梯度塑性单元 引入高阶应变－应变的梯度 需要形函数对坐标的二阶导数 在经典的单元中只有形函数对坐标的一阶导数 非局部加权积分

求解病态复线性方程组的预处理复共轭梯度法，陈凤坤，雷秀仁，从复共轭梯度法出发推导出了预处理复共轭梯度法，并给出 迭代预处理矩阵，最后进行数值实验。实验数据表明，预处理复共轭梯度法�

根据由粗到精的思路,综合利用了眼睛在人脸面部特征中所特有的边缘与灰度分布信息,进行人眼特征定位。首先用横向Sobel算子对人脸图像进行边缘检测,获取人脸区域的横向边缘特征,然后采用图像形态学的方法框定人脸主要特征的大致区域,最后用计算灰度梯度密度的算法,快速精确地定位人眼区域。试验表明,本方法能快速而精确地实现人眼特征的定位。

人工智能-机器学习-溶剂梯度模拟移动床分离奥美拉唑对映体的研究.pdf

在二维矩形域中模拟由于热梯度引起的自然对流。 Navier-Stokes 方程通过压力投影法在交错网格上求解。 双曲通量项被显式离散化（CD、MacCormack 和 Richtmyer），而扩散项被显式和隐式处理。 能量传输方程被明确离散化 (CD) 以用于对流通量以及传导项的隐式或显式方法的选项。 压力泊松方程是隐式求解的。 顶面和底面是等温的，而侧面是绝热的。 所有边上的速度都采用无滑移，压力采用均匀边界条件。 速度场和温度场都用于可视化目的。 对于 Pe、Gr 和 Re 的特定（临界）值，可以观察到 Rayleigh Benard 对流滚动。