画流程图软件，Flow Charting 4绿色版，小巧实用。

matlab程序复现自《A Modified Newton Method for Radial Distribution System Power Flow Analysis》、《一种新的配电网潮流算法—— 改进牛顿— 拉夫逊法》 ①选取恰当的电压及功率基准值，并得出电压、功率与阻抗标幺值。 ②给支路与节点标号。本文使用的标号方法为对支路进行分层标号。根节点标号为零，支路入端节点作为支路编号。 ③根据系统拓扑求取矩阵An-1，其主对角线元素为1。-1元素的确定:第m条支路入端节点为n时，其元素An-1（m，n）= -1。 ④求得导纳矩阵 ⑤赋予节点电压与相位初值。 ⑥计算功率偏差并判断是否收敛。是，则输出，否，则进行下一步计算。 ⑦求出电压与相位的修正量。 ⑧对电压与相位进行修正并从步骤⑥重新开始计算。

矩形区域，上下管壁，流体左进右出，进行泊肃叶流的模拟，主要给定下面三种情况： 1.外力驱动，给定F=0.001, 左右边界使用周期性边界处理格式，上下边界使用反弹格式； 2.压力驱动，给定进口密度1.01，出口密度1.0，左右边界使用非平衡外推处理格式，上下边界使用反弹格式； 3.进口速度，给定进口速度v=0.01，上下使用反弹格式，左边界使用非平衡外推处理格式，右边界使用充分发展格式

CNN最大的特点在于卷积的权值共享结构，可以大幅减少神经网络的参数量，防止过拟合的同时又降低了神经网络模型的复杂度。在CNN中，第一个卷积层会直接接受图像像素级的输入，每一个卷积操作只处理一小块图像，进行卷积变化后再传到后面的网络，每一层卷积都会提取数据中最有效的特征。这种方法可以提取到图像中最基础的特征，比如不同方向的边或者拐角，而后再进行组合和抽象形成更高阶的特征。 一般的卷积神经网络由多个卷积层构成，每个卷积层中通常会进行如下几个操作： 图像通过多个不同的卷积核的滤波，并加偏置（bias），特取出局部特征，每个卷积核会映射出一个新的2D图像。 将前面卷积核的滤波输出结果，进行

流网 在流量网络中查找最大流量的流量网络算法的Javascript实现 现场演示 用法 查找网络中的最大流量 // construct a network var fn = new FlowNetwork ( ) ; fn . addEdge ( 's' , 'o' , 3 ) ; fn . addEdge ( 's' , 'p' , 3 ) ; fn . addEdge ( 'o' , 'p' , 2 ) ; fn . addEdge ( 'o' , 'q' , 3 ) ; fn . addEdge ( 'p' , 'r' , 2 ) ; fn . addEdge ( 'r' , 't' , 3 ) ; fn . addEdge ( 'q' , 'r' , 4 ) ; fn . addEdge ( 'q' , 't' , 2 ) ; // find max fl

Gerris是用于几何复杂几何体中的通用流数值模拟（CFD）的工具，包括自适应，多相和界面流功能。

机器学习的双向注意力流 这是的原始实现。 可找到提交的CodaLab工作表。 对于TensorFlow v1.2兼容版本，请参阅分支。 如有问题和建议，请联系 （ ）。 0.要求 一般 Python（已在3.5.2。上验证。Python2已报告问题！） 解压缩，wget（仅用于运行download.sh ） Python包 tensorflow（深度学习库，仅适用于r0.11） nltk（NLP工具，已在3.2.1上验证） tqdm（进度条，已在4.7.4上验证） jinja2（用于虚假化；如果只培训和测试，则不需要） 1.预处理 首先，准备数据。 下载SQuAD数据以及GloVe和nltk语料库（〜850 MB，这会将文件下载到$HOME/data ）： chmod +x download.sh; ./download.sh 其次，预处理Stanford QA数据集（以及GloVe向量），并将其保存在$PWD/data/squad （约5分钟）： python -m squad.prepro 2.培训 该模型具有〜2.5M参数。 该模型由NVidia Titan

vue-flow-topology 介绍 vue-flow-topology 该项目可以看做是一个独立的 Vue 项目（大数据流水线拓展流程工作台），也可以嵌入到其他vue项目中使用，新版会作为优先版本持续迭代。 版本一：基于 Vue-cli3.0 + view-design + JSPlumb 开发（ master 分支 ）。 版本二：基于 Vue-cli3.0 + Ant Design Vue + JSPlumb 开发（ simple 分支 ）。 特性 :check_mark_button: 支持画布重绘、拖拽、放大、缩小功能 :check_mark_button: 支持鼠标滚轮缩放画布功能 :check_mark_button: 支持拖拽、添加、删除节点功能 :check_mark_button: 支持不同连线类型进行关联节点功能 :check_mark_button: 支持删除连线、重绘连线功能 :check_mark_button: 支持点击画布设置属性功能 :check_mark_button: 支持点击节点设置属性功能 :check_mark_button: 支持点击线进

Tensorflow多变量线性回归（房价预测） 。。

Matlab code for Horn-Schunck method