信息安全等级保护（二级系统）测评权重赋值表，请于系统等级匹配使用！

基于自适应加权快速傅里叶变换的迭代算法提出用于远场平顶光束整形。 该算法继承Gerchberg-Saxton算法的投影优化思想，但是自适应快速傅里叶逆变换的远场幅度通过使用一种新颖的优化的自适应权重策略。 一，应用该方法对方形平顶强度分布光束整形的效果是作为示例进行讨论。 通过模拟的纯相分布此方法的100次迭代会集中93.89％的入射激光能量进入所需区域和均方根误差（RMSE） 量身定制的平顶强度分布的平均值是0.0094。 少于20次迭代该方法的集中度超过了90％的入射激光能量进入所需区域和量身定制的平顶强度分布图的RMSE 小于0.05。 然后，该方法在设计中的适用性形状或直径可变的平顶的相位分布光束整形得到了证明。

Darknet版YOLOv3人脸和口罩检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%多 2、包含数千张口罩检测数据集，类别名为face和face_mask，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

Darknet版YOLOv4人脸和口罩检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%多 2、包含8000多张口罩检测数据集，类别名为face和face_mask，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

长三角空间权重矩阵，01矩阵 地理反距离矩阵 经济距离矩阵 经济地理嵌套矩阵，四种矩阵都有哦，资料都是本人制作，还有分地区矩阵，单独的浙江，单独的安徽，单独的苏沪。一共4*4=16个矩阵，工作量很大的哦，希望大家给点支持，有问题都可以通过CSDN私信我哦。

在大数据环境下，K近邻多标签算法（ML-KNN）高时间复杂度的问题显得尤为突出；此外，ML-KNN也没有考虑k个近邻对最终分类结果的影响。针对上述问题进行研究，首先将训练集进行聚类，再为测试集找到一个距离其最近的训练数据簇作为新的训练数据集；然后计算最近邻样本的距离权重，并用该权重描述最近邻和其他近邻对预测结果的影响；最后使用新的目标函数为待测样本分类。通过在图片、Web页面文本数据等数据集上的实验表明，所提算法得到了更好的分类结果，并且大大降低了时间复杂度。

优化的动态平均权重算法及其在色谱信号处理中的应用.docx

基于深度学习的权重自适应的图像去噪算法matlab实现版本

主要执行参考用法： operationMain.m -------------------------------------------------- ------------- 主要执行参考用法：usage_PWM.m 【Demo 1】：PWM（位置权重矩阵）和信息内容用法_PWM.m 目标是计算 PWM，并报告共识。 示例输出： --------------------------------------------- 字符串索引：1 2 3 4 5 6 7 --------------------------------------------- C：0.00 0.10 0.05 0.10 0.00 0.05 0.90 T : 0.10 0.85 0.05 0.80 0.80 0.00 0.05 答：0.05 0.00 0.00 0.05 0.20 0.05 0.05 G

状态：存档（代码按原样提供，预计无更新） 伯特·凯拉斯 Google BERT（来自Transformers的双向编码器表示）的Keras实现和OpenAI的Transformer LM能够使用微调API加载预训练的模型。 更新：得益于 TPU支持进行推理和训练 如何使用它？ # this is a pseudo code you can read an actual working example in tutorial.ipynb or the colab notebook text_encoder = MyTextEncoder ( ** my_text_encoder_params ) # you create a text encoder (sentence piece and openai's bpe are included) lm_generator = lm_generator ( text_encoder , ** lm_generator_params ) # this is essentially your data reader (single sente