基于STM32 512k Flash，通过TFTP传输协议进行IAP即在应用编程，实现远程网络更新固件。其中用户APP通过UDP命令完成标志字改写，复位单片机重新判断跳转执行。 包括：详细的功能划分，flash区域划分，boot程序要点及keil设置，用户APP要点及keil设置，生成.bin文件设置，flash保护设置，等内容。

提出了一种新的虚拟网络嵌入（VNE）算法，该算法改进了原始子图同构搜索过程，克服了现有VNE算法的缺陷。 首先，提出了一种节点资源评估方法，该方法同时考虑了节点资源需求（能力）和拓扑属性，以改善虚拟节点的映射顺序。 其次，该算法改善了虚拟节点映射时候选衬底节点的选择过程，提高了虚拟链路映射的质量。 第三，该算法通过考虑子区域中的总资源能力，改进了衬底网络中资源分配子区域的选择。 实验结果表明，与现有算法相比，该算法在映射质量，收益，接收率和运行时间方面具有更好的表现。

SOM神经网络在嵌入式ARM上的移植 测试实验为柴油机故障诊断

NLP项目 自然语言处理项目，其中包括有关以下方面的概念和脚本： gensim ， fastText和tensorflow实现。 参见， doc2vec ， word2vec averaging和Smooth Inverse Frequency实现 对话系统的类别和组成 tensorflow LSTM （请参阅 ，和 ， ） fastText实现 ELMo，ULMFit，GPT，BERT，XLNet的原理 HMM Viterbi实现。 参见，中文解读 Named_Entity_Recognition 通过双向LSTM + CRF，张量tensorflow实现对NER品牌。 参见中文注释，中文解读 7_Information_retrieval 8_Information_extraction 9_Knowledge_graph 10_Text_generation 11

网络嵌入、创新联盟选择与企业创新绩效管理研究.docx

网络嵌入视角下中小跨境电商供应链整合国际贸易范文研究.docx

高新技术企业网络嵌入性、知识获取与企业创新绩效关系企业管理研究.docx

行业分类-物理装置-一种轻量化人工神经网络嵌入的全自动眼底照片获取、眼病识别及个性化管理系统.zip

近年来，深度学习彻底改变了许多机器学习任务，从图像分类和视频处理到语音识别和自然语言理解。这些任务中的数据通常在欧几里得空间中表示。 然而，越来越多的应用程序从非欧几里得域中生成数据，并表示为对象之间具有复杂关系和相互依赖性的图形。图数据的复杂性给现有的机器学习算法带来了重大挑战。最近，出现了许多关于扩展图数据深度学习方法的研究。在本次调查中，我们全面概述了数据挖掘和机器学习领域的图神经网络 (GNN)。我们提出了一种新的分类法，将最先进的图神经网络分为四类，即循环图神经网络、卷积图神经网络、图自动编码器和时空图神经网络。我们进一步讨论了图神经网络在各个领域的应用，并总结了图神经网络的开源代码、基准数据集和模型评估。最后，我们提出了这个快速发展领域的潜在研究方向。

本文研宄并实现了一个车牌自动识别系统，该系统由车牌定位模块、字符分割模块、卷积神经网络识别模块三个部分组成。首先本文主要利用Ｔｅｎｓｏｒｆｌｏｗ开发平台，搭建ＣＮＮ卷积神经网络，通过采集到的车牌图片训练神经网络，使得系统具有较好的车牌识别图片能力。其次在车牌识别的嵌入式系统硬件实现部分，本文具体研究了利用ＳＴＭ３２ＭＰ１５７嵌入式芯片搭建车辆识别嵌入式系统外围电路的设计与原理，以及如何利用ＳＴＭ３２ＣＵＢＥ－ＡＩ软件将训练好的ＣＮＮ神经网络部署到嵌入式平台中，实时进行车牌识别。最后通过试验得到了识别结果，并达到了预期的效果，分析出了相应的车牌号。本文的主要工作与创新之处总结如下：１．对车牌自动识别技术的发展现状做了全面深入的调研与总结概括，将其分为车牌定位、字符分割、字符识别、免分割车牌识别四个阶段。明确了每个阶段的主流方法以及它们的优缺点２．提出了基于ＣＮＮ卷积神经网络的车牌定位方案３．设计并实现了一个简便的嵌入式车牌自动识别系统，并使用自有的数据集对该系统进行了测试。系统在识别速度和识别准确率两方面都达到了符合预期的表现。实验结果表明，与其他单函数方法相比，卷积神经网络方法具有较高的精度和较低的漏测率。同时在图像识别精度和车牌定位精度上有很大的提高。此外，与现有车辆识别系统对比，本文提出的设计方案，在确保较高的准确率和识别率的同时大幅降低了整体方案的硬件成本。