提出了一种基于三角晶格的1550 nm波段的光子晶体结构。为了使带隙最大，选取占空比（半径和光子晶体晶格常数的比值）为0.3,采取点缺陷和线缺陷相结合的直接耦合结构。基于Rsoft软件的时域有限差分方法(FDTD)方法仿真计算，对缺陷模、透射谱和时域稳态响应图进行了分析。计算了光开关的插入损耗、消光比和响应时间。结果表明，插入损耗为0.3957 dB，消光比为56.699 dB，响应时间为102.14 ps。该光开关结构的性能较好，可以完全满足现代应用的需求。

基于经验模态分解法（EMD）的Hilbert-Huang变换（HHT）的MATLAB程序。 可将非平稳信号转换为平稳信号，通过将IMF分量累加重构得到平稳信号 。 主程序为HHT.m，需要用到hhspectrum.m函数、instfreq.m函数（在压缩包内）和已安装的EMD工具箱中emd函数。

matlab alexnet图像识别代码可见热力人员重新识别（交叉方式人员Re-ID） AAAI 2018和IJCAI 2018中的演示代码。 AAAI 18论文的框架：两阶段框架（特征学习+公制学习） IJCAI 18论文的框架：端到端学习 1.准备数据集。 可以通过提交版权表格从中下载RegDB数据集。 （其名称为“东国基于身体的人的识别数据库（DBPerson-Recog-DB1）”。） 2. AAAI中的两流CNN网络功能学习（TONE） 所有代码都在用Python编写的文件夹“ TONE /”中。 该演示代码已在Python 2.7和Tensorflow v0.11上进行了测试。 一种。 准备数据集和训练/测试列表，如TONE/dataset.py所示。 列表格式为image_path label 。 b。 下载预训练的alexnet模型并修改TONE/model.py 。 C。 运行python TONE/tone_train.py训练网络。 d。 运行python TONE/tone_eval.py评估学习的功能并提取功能以供以后的度量学习。 （您还可以修改脚本以获取不同

MATLAB SIMULINK模块介绍.pdf

电力负荷预测是电力系统规划的重要组成部分。为了使电力系统安全经济平稳的运行，由此特别需要精确的电力负荷预测方法。为了实现更好负荷预测方法，文中将经验模态分解（EMD）与新兴的电力负荷预测模型分形理论相结合，提出了EMD-分形负荷预测模型。为了证明此方法的有效性，文中将这种新的预测模型跟分形预测模型和BP神经网络预测模型相比较。最终通过仿真算例说明了本文提出的这种新型预测方法精度更高，几乎所有的误差都在2％以下，预测结果更好，可以很好的应用在电力系统负荷预测中。

在小流量工况下运行时离心泵叶轮进口会产生进口回流现象．采用标准κ-ε湍流模型，应用ANSYS CFX软件对不同工况下低比转速离心泵进口处的三维湍流场进行了数值模拟，分析了流场内的速度分布．为减小进口回流的危害，提出了在离心泵进口加注高压水的回流控制方案．对注入不同压力的高压水后，数值分析了进口流场的速度分布和回流漩涡的形态变化，并对比分析了回流控制效果以及离心泵扬程和效率．结果表明：在进口处注入高压水能有效改善回流发生时的流场速度分布，减弱回流强度，降低回流发生的关键流量点；但高压水的注入在设计流量和大流

Denoise_w_Mod_sim实现小波模极大值去噪的代码，经过在MATLAB中测试通过，可以实现去噪功能

高速数模转换模块使用指南，支持黑金fpga开发板。其中包括波形、原理图

模电课程设计的电子脉搏设计

以往传统的链路预测方法大多数针对无向网络，而实际上大多数社交网络是有向的，并且没有考虑网络中同一节点对之间的重复边以及微观演化信息，因此不能较好地解决有向动态网络中的链路预测问题。针对有向网络，将节点对之间的重复边信息转换为该节点对之间连边的权值；接着采用了基于三元组模体的演化模型，对滑动窗口中相邻时间片的模体转换概率进行统计后，采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵，进而使用该矩阵对网络中的链边进行预测。这不仅充分利用了网络微观演化信息，而且解决了动态网络中重复边的问题。最后对实验结果进行分析发现，在高全局聚类系数高平均度的网络中AUC相比Triad Transition Matrix方法提高了近0.01，而相比CN方法提高更多。因此，所提方法能够较好地应用网络微观演化信息进行链路预测。