cpp_robotics：机器人算法的C ++示例代码

近似算法设计，David. P. Williamson等人，2011年。Coursera近似算法公开课遇到障碍了，在网上找了一些近似算法相关的书。比较推荐另外一本，Vijay V. Vazirani - Approximation algorithms (2004, Springer)，和课程内容更同步一些。

图形 GraphLIME是节点分类任务中GNN的模型不可知的，局部的和非线性的解释方法。 它使用Hilbert-Schmit独立标准（HSIC）Lasso，这是一个非线性可解释模型。 可以在看到更多详细信息。 这个仓库通过使用令人印象深刻的GNN库实现GraphLIME，并重现了过滤掉无用特征的结果。 即论文中的图3。 安装 只需使用pip即可安装。 > pip install graphlime 用法 此实现易于使用。 您需要做的就是确认模型首先输出对数概率（例如， F.log_softmax()输出），然后实例化GraphLIME对象，最后通过调用explain_node()方法解释特定的节点。 from graphlime import GraphLIME data = ... # a `torch_geometric.data.Data` object model =

SLAM-using-GTSAM：无人机的同时映射和本地化框架

这本书提供了充分的代表性逆合成孔径雷达（ISAR）成像。本书涵盖了所有可能的ISAR成像方面。这本书提供了一个介绍了专家组的逆问题和合成孔径雷达（SAR）提出的问题之前，信号处理技术和雷达基本相当。如高分辨率SAR的重要概念，脉冲压缩和图像形成连同相关的MATLAB代码。 很全面，本代码很适合学习研究。

Introduction To Genetic Algorithms 遗传算法导论 Springer,2008

graph theory 经典 Network flows theory algorithms and applications.pdf

google上一本很不错的图书《Algorithms To Live By》指导生活的算法 PDF

Latte：对流神经网络（CNN）推理引擎 Latte是用C ++编写的卷积神经网络（CNN）推理引擎，并使用AVX对操作进行矢量化。 该引擎可在Windows 10（32位和64位），Linux（内核= 4.12.10，gcc = 7.2.0）和macOS Sierra上运行。 当使用ATLUS构建caffe时，它具有与NVIDIA Caffe相同的精度和相同的推理速度。 该引擎具有自己的网络文件格式（.ahsf文件），因此我们提供了一些python脚本，可将NVIDIA Caffe的文件转换为我们自己的文件。 引擎支持以下层： 输入层。 卷积层。 ReLU。 完全连接的层。 Softmax。 最大池化层。 sigmod。 丹妮 如何使用python脚本： 我们的python脚本是使用Python 2.7.13制作的，需要以下软件包才能正常工作： Pycaffe（在构

Series: MIT Press Hardcover: 1312 pages Publisher: The MIT Press; 3rd edition (July 31, 2009) Language: English ISBN-10: 0262033844 ISBN-13: 978-0262033848