我们表明，可以将2 + 1维的扩展Bargmann和Newton-Hooke代数作为Nappi-Witten代数的展开获得。 可以对该过程进行概括以获得两个非相对论对称性的无限族，包括麦克斯韦式奇异Bargmann对称性，其广义牛顿-胡克对角线及其Hietarinta对偶。 在每种情况下，Nappi-Witten代数上的不变双线性形式导致扩张代数上的不变张量，从而使人们能够构造相应的Chern-Simons引力理论。

对Chern–Simons规范理论的概括是在任何尺寸和任意规范组中制定的，其中规范场和规范参数是任何程度的微分形式。 该配方的四元数代数结构显示为等同于三个Z2级配结构，因此阐明了四元数在先前配方中的作用。

最近显示，在二维N = 2超对称QCD版本中支持的非阿贝尔涡旋串成为关键的超串。 除了四个平移模量外，正在考虑的非阿贝尔串还具有六个方向和大小模量。 它们共同形成了超弦至关重要的十维目标空间，即平坦的四维空间和圆锥形的乘积-非紧凑的Calabi-Yau三倍。 在本文中，我们报告了对出现在四个维度上的低位闭合弦状态的进一步研究，并将它们确定为我们的二维N = 2 QCD的强子。 我们使用基于小字符串理论的方法，将轮廓上的关键字符串描述为具有Liouville字段和自对偶半径的紧凑标量的非关键c = 1字符串。 除了较早发现的无质量超多重，我们还观察到几个大规模的矢量多重峰和一个大规模的spin-2多重峰，它们都在四个维度上属于N = 2超对称的长（非BPS）表示形式。 所有上述状态均被解释为重子，重子由封闭的单极连接的闭合弦形成。 我们的构造提供了“反向全息”的示例。

各国文化距离——Hofstede的文化维度数据

本研究基于中国英语学习者口笔语语料库和本族语者口笔语语料库的对比研究,探究我国英语学习者认知立场副词的使用特征。研究结果显示与本族语者相似,中国英语学习者无论在口语或书面语中都更倾向于使用确定立场副词。同时中国英语学习者显现出区别于本族语者的中介语特征,如语域特征不清晰,口语和笔语中最高频的3个立场副词为really,never,actually;口语中过度依赖高频词maybe,将其作为一种交际补偿策略,并不具有表述判断评价的意义;同时书面语和口语中句法单一,立场副词主要位于句首。

数据仓库工具箱——维度建模的完全指南 (英文）是数据仓库建模方面的经典著作， 1996年第一版出版被认为是数据仓库方面具有里程碑意义的事件。作者kimballl是数据仓库方面的权威，他将多年的数据仓库建模实战经验、技巧融入本书。他提出的许多维度建模概念被广泛应用于数据仓库的设计和开发中。

图像相似度 使用Resnet50+KNN在数据集中查找相似图像以获取新图像。 为了解决curse of dimensionality使用PCA来降低特征的维数。 Resnet50（在imageNet上训练） 在没有toplayer的情况下从keras创建Resnet50，以获取卷积特征（2048维）作为输出，而不是图像分类概率。 为数据集的每个图像提取卷积特征（Feature_size：[number_images，2048]）。 KNN（不是分类问题） 将最近邻算法拟合到从数据集中提取的特征 提取测试图像（新）的卷积特征，并计算测试图像与数据集的每个图像之间的距离（image_Similarity）。 PCA 将PCA应用于提取的特征并减小尺寸。 使最近邻算法适合新功能

关于服务拆分的切入点，我们先从MartinL.Abbott所著《架构即未来》中所介绍的AKF扩展立方体出发寻找一些灵感，然后给出本文中关于服务拆分的三大维度。 一、AKF拆分原则 AKF扩展立方体（Scalability Cube）是一种可扩展模型，这个立方体有三个轴线，每个轴线描述扩展性的一个维度（见下图），分别是： Y轴 关注应用中功能划分，基于不同的业务拆分。 Z轴 关注数据分区，通常是指基于请求和用户独特的需求，进行系统划分，并使得划分出来的子系统相互隔离，但又是完整的。有些类似于对表数据的拆分。 X轴 关注水平扩展，其实就是将微服务运行多个实例，做集群加负载均衡的模式。做负载均衡其实

低轨卫星通信系统在上世纪末已经有了铱星、全球星等语音卫星通信系统实例， 同期还有多个中低轨道通信系统的计划构想，如微软的 Teledesic 星座构想、欧 洲的“天桥”星座构想。但由于铱星设想中的高收入群体市场并不存在，高定价 策略使之失败。因此后期大部分星座设想还停留带构想阶段，并没有实施。二十 年后，随着对卫星通信架构、频率分配、接入方式、干扰、信号衰减、资费等方 面的研究深入，同期的应用需求也逐步培养起来，新一代的低轨道宽带卫星系统 已经正式开始启动建设，当前的低轨宽带星座把自己的市场定位明确地界定在普 通消费群体上。低成本小卫星技术和新型火箭发展带来的发射价格的降低，为这 一市场定位提

CATPAD - 通过用 NaN 填充来连接不同大小的矩阵。 M = CATPAD(dim,A1, A2, A3, ..., AN) 沿维度串联将数组 A1 到 AN 调暗成一个大矩阵。 向量做不需要具有相同的大小，也不需要具有相同的维数。 尺寸输出 M 的大小由串联的维度决定， 和输入的大小。 任何不正确的输入如果输入是数字，大小将用 NaN 填充。 如果他们是字符串，它们将被填充一个空格“”。 [M TF] = CATPAD(...,'padval',padval) 用值填充输入数据由 PADVAL 指定。 数值输入的默认值为 NaN，而 a 空格 " " 用于字符串输入。 [M TF] = CATPAD(...) 输出具有真值的逻辑 TF 数组当 M 的那个位置的值来自原始值时的值数据（即未填充）。 例子： a = 1:4; b = 1:5; c = []; d = 1:3