echarts做地图数据展示 我有用到市级的，在我社区个人主页里，很好用，欢迎大家前去参考，这里是我的echarts个人主页链接 https://gallery.echartsjs.com/explore.html?u=obd-oCXcyPuzu5FKR0sIDwh3Tu_r7s61y3x&type=work#sort=rank~timeframe=all~author=all

这是一本做运营的入门书，丰富记录了做运营的方方面面，对于想了解运营的人来说，是一本非常值得学习的读物。

matlab做信效度分析代码使用深度神经网络及其分析预测下颞（IT）多单元输出。 深度神经网络由多层组成，以处理输入图像。 以类似的方式，灵长类动物大脑的视觉皮层具有多个层，这些层处理从视神经传入的视觉刺激。 它们按以下顺序排列：V1，V2，V3，V4，IT（下颞）。 IT层类似于经过训练的DNN的最后一层，确定图像中的对象。 在该项目中，比较了灵长类动物大脑的视觉皮层（V4和IT）的5个区域中的2个区域与流行的DNN模型之间的比较。 用于比较的一些DNN模型是： HMO HMAX 像V1 像V2 克里热夫斯基等。 2012年 Zeiler＆Fergus 2013 1.1）数据获取和使用 在显示测试对象（灵长类动物）测试图像的同时，从其V4和IT区域记录神经输出。 V4区域具有128个通道，通过该通道收集神经输出，而IT区域具有168个通道。 因此，灵长类动物大脑中一幅图像的IT表示是一个168维向量。 总共向灵长类动物显示了1960张图像，因此V4数据矩阵为1960x128，而IT数据矩阵为1960x168。 这是数据的链接： 这里仅使用多单位数据。 为了从DNN模型的最后一个完全连

2019ZJU_夏季研究 任务是按照论文中的说明重述论文并重做实验。 描述 在教授的指导下，使用Tensorflow实施时空多图卷积网络，以预测乘车需求。 使用的软件包和方法：Tensorflow（1.14），LSTM（单向，三层），GCN（Chevb-net） 纸： 文献评论 本文提出了一种新颖的深度学习模型，称为时空多图卷积网络（ST-MGCN），用于更好地进行区域级乘车需求预测。 而且，该网络更多地关注于遥远区域之间的非欧几里德成对相关性，而不是像许多先前的研究那样关注欧几里德相关性。 这项研究中的挑战来自复杂的时空相关性。 一方面，在不同区域之间观察到复杂的依赖性。 另一方面，不同的时间观测值之间也存在非线性相关性。 为了解决这些挑战，团队首先将非欧几里得相关性（如邻域，功能相似性和区域之间的运输连通性）编码为多个图形。 然后，对于每张图，研究人员使用上下文门控的递归神经网络，

用图片做的进度条（适用于投票栏目）。。。刚刚整理出来，感觉不错的。下了看看吧...

buzz_collector 嘿，我们正在做一个项目 该项目中的技术是- Django的Python 项目目标 -- -- 目前为止就这样了！

MFC做的聊天室，界面美观，很好的学习MFC的开发。

chat为聊天室源码，这是一个聊天室例程，服务器程序是chatsrvr.exe，客户端是ChatClient.exe。服务器先运行，客户连接到服务器运行的计算机的IP即可。 wbQQ为类似QQ聊天工具源码，分为注册登录服务器、聊天通信服务器、客户端三部分

ICDAR2013数据集，做表格检测，表格结构识别的小伙伴可以自行下载！

WPF做的用户管理界面，WPF做的用户管理界面，WPF做的用户管理界面