使用ESP32 WiFi芯片收集CSI（信道状态信息）帧 该项目允许使用ESP32芯片从兼容的AP中提取WiFi CSI（信道状态信息）帧。 可以对这些CSI帧进行处理，以便使用相位聚合或指纹识别对其进行精确定位。 先验 该项目正在积极开发中，如果您有任何疑问，建议，信息或发现的错误，请随时与我联系（在我的生物/问题上发送电子邮件），我通常会在几天内答复。 实际进度 该项目的目标是： 发送802.11n帧（因此AP用CSI帧响应） 部分完成：CSI框架在2个ESP32板之间始终工作。 它还应与任何商业AP一起使用。 剩下的唯一部分是在不连接的情况下发送CSI 您可以通过找到与esp_wifi_internal_set_fix_rate私有功能同时使用esp_wifi_80211_tx的方法来提供帮助 接收CSI帧 完成：捕获并记录了CSI帧（暂时以不友好的格式） 您可以通过理解为什

Deep Attributed Network Embedding by Preserving Structure and Attribute Information

关系提取中的位置感知注意力RNN模型 此存储库包含PyTorch代码，用于纸上的。 TACRED数据集：有关TAC关系提取数据集的详细信息可以在上找到。 要求 Python 3（在3.6.2上测试） PyTorch（在1.0.0上测试） 解压缩，wget（仅用于下载） 制备 首先，从斯坦福大学网站下载和解压缩GloVe载体，方法如下： chmod +x download.sh; ./download.sh 然后使用以下方法准备词汇和初始单词向量： python prepare_vocab.py dataset/tacred dataset/vocab --glove_dir data

一种用于关系三重提取的级联二进制标记框架 该存储库包含该论文的源代码和数据集：一种用于关系三重提取的新颖级联二进制标记框架。，，，袁田，。 ACL2020。 概述 提出的CasRel框架的核心是全新的观点，即我们将关系建模为将主体映射到对象的函数，而不是将关系视为实体对上的离散标签。更确切地说，我们不是学习关系分类器f（s，o）-> r，而是学习特定于关系的标记f_ {r}（s）-> o，每个标记都可以识别给定主题下的可能对象。一个特定的关系。在这种框架下，关系三重提取是一个分为两个步骤的过程：首先，我们确定句子中所有可能的主语；然后针对每个主题，我们应用特定于关系的标记器来同时识别所有可能的关系和相应的对象。 要求 此仓库已在Python 3.7和Keras 2.2.4上进行了测试。主要要求是： tqdm 编解码器 凯拉斯伯特= 0.80.0 tensorflow-gpu = 1.

SID是电信领域建模的经典成果，对整个业界产生了深远的影响，已经称为企业架构的标杆性成果。而且，由于其抽象并不限于电信行业，可以很好的指导其他行业的领域建模

Critical_Capabilities_for_Security_Information_and_Event_Management_Technology_2009 安全体系 企业安全 解决方案 开发安全 渗透测试

信息检索导论书答案 the answer about the book named introduction to information retrieval

The 3rd International Conference of Electronic Engineering and Information Science (ICEEIS2016) was held January 4-5, 2016 in Harbin, P.R. China. This conference is sponsored by Harbin University of Science and Technology. The conference continues the excellent tradition of gathering world-class researchers, engineers and educators engaged in the fields of electronic engineering and information science to meet and present their latest activities.,解压密码 share.weimo.info

很好的信息论教材，写的非常详细，我们学校一直都用这份教材。欢迎大家下载

经典书籍，关于信息论方面。该书是全英文版，pdf格式，对做信息安全研究方面有很大的帮助。