我们在一般张量模型中研究不变算子。 我们表明表示理论提供了一个有效的框架，可以对（规范）对称Gd = U（N1）⊗⋯⊗U（Nd）的张量模型中的不变量进行计数和分类。 作为我们先前工作的延续和完成，我们提出了两种自然的不变式计数方法，一种用于任意Gd，另一种对大型Gd有效。 我们基于计数构造不变算符的基础，并计算其元素的相关因子。 与Gd的有限秩相关的基础对角化了自由理论的两点函数。 它类似于矩阵模型中使用的受限Schur基。 我们显示出，当我们将多矩阵模型中的Littlewood-Richardson数与普通张量模型中的Kronecker系数交换时，构造几乎相同。 我们从表示理论的角度深入探讨矩阵模型与张量模型之间的并行性，并评论一些想法以供将来研究。

我们研究了Langlois和Noui最近引入的具有一致意义的新的标量-张量引力理论，并提出了可能有趣的宇宙学应用。 我们得出存在主要约束条件的条件，该条件阻止了与高阶运动方程式关联的其他危险模式的传播。 然后，我们对在标量字段的二阶导数中最多二次的最通用，一致的标量张量理论进行分类。 另外，我们研究了通过保形变换和变形变换在这些理论与Horndeski之间的可能联系。 最后，我们指出这些理论可以与暗能量有效场论中的新算子联系起来，这可能为在将来的调查中测试暗能量模型开辟新的可能性。

我们介绍了在标量场的二阶导数中呈三次方且退化的所有标量张量拉格朗日数，从而避免了Ostrogradsky不稳定性。 由于存在约束，尽管它们具有更高阶的运动方程，但它们最多传播三个自由度。 我们还确定了先前确定的二次简并的拉格朗日和新建立的三次拉格朗日的可行组合。 最后，我们研究新理论是否通过共形或变形变换与已知的标量-张量理论（例如，Horndeski和超越Horndeski）相关联。

简并的标量-张量理论是最近提出的重力协变理论和标量场。 尽管具有高阶运动方程，但由于存在约束，它们的传播自由度不会超过三个。 我们讨论了退化标量-张量系统的几何方法，并分析了其后果。 我们表明，其中一些理论是DBI Galileons的一定局限性。 在没有动力引力的情况下，这些系统对应于标量理论，该标量理论具有不同于伽利略不变性的对称性。 然而，标量理论存在与时间相关的背景周围的波动传播有关的问题。 这些问题可以通过用手破坏对称性来解决，也可以通过将标量与动态重力最小耦合来解决，从而导致标量-张量系统退化。 我们证明，在重力是动态的某些情况下，可以通过广义伽利略对偶性的关系来联系不同的理论。 我们将在具体示例中讨论结果的某些含义。 我们的发现可有助于评估稳定性和基于简并标量张量系统的系统的非扰动结构。

我们最近由Gleyzes，Langlois，Piazza和Vernizzi（GLPV）提出的标量-张量引力理论研究约束的性质和哈密顿结构。 对于A5 = 0的简单情况，即与空间度量共轭的规范矩在外在曲率上是线性的，我们证明了物理自由度的数量在完全非线性的水平上为3，如GLPV所述。 因此，尽管该理论扩展了Horndeski的标量-张量引力理论，但可以防止其受到其他自由度的影响。

二元脉冲星观测和重力波检测严重地限制了标量-张量理论和无质量的标量场，从而仅允许相对于广义相对论的微小偏差。 但是，如果我们考虑标量场的质量为非零，则与观测值一致的参数值将允许与广义相对论产生重大偏差。 在本文中，我们扩展了这一思想，并研究了具有大范围场且具有自相互作用项的标量张量理论。 除了标量场质量的影响外，附加项还抑制了中子星模型中的标量场，但是仍然可以观察到与纯GR的参数值与观测值相符的较大偏差。

矩阵乘法的四张量幂问题的基于优势的约束优化进化算法

执行图像的一致性增强扩散，这个算子是用于多尺度纹理增强，特别是对不连续的指纹，可以用来增强和连接纹理是halcon中的算子coherence_enhancing_diff

matlab红外代码基于PSTNN的红外小目标检测 该matlab代码基于张量核规范的部分和实现了红外小目标检测模型。 关于这种方法的详细描述可以在我们的论文中找到。 参考： Zhang, L.; Peng, Z. Infrared Small Target Detection Based on Partial Sum of the Tensor Nuclear Norm. Remote Sens. 2019, 11, 382.

tf2crf 一个简单的CRF层用于tensorflow 2 keras 支持keras遮罩 安装 $ pip install tf2crf 特征 易于使用的带有张量流的CRF层 支持混合精度训练 支持具有DSC丢失的ModelWithCRFLossDSCLoss，这会在数据不平衡的情况下提高f1得分（请参阅） 注意力 在keras_contrib中添加CRF之类的内部内核，因此现在无需在CRF层之前堆叠Dense层。 我已经更改了将损耗函数和精度函数放在CRF层中的以前的方式。 相反，我选择使用ModelWappers（称为jaspersjsun），它更干净，更灵活。 尖端 tensorflow> = 2.1.0建议使用与您的tf版本兼容的最新tensorflow-addons。 例子 import tensorflow as tf from tf2CRF import CRF