六度分离 这是我用Java编写的一个程序，用于将六度分离的概念应用到电影行业中。 程序的功能是这样的：用户可以输入两个女演员的名字，程序会分析并绘制一个图表来显示这两个人之间的联系。 也就是说，如果他们出现在同一部电影中，程序就会找到他们所投的电影； 否则，该程序将使用链将他们与与他们一起出演同一部电影的其他女演员联系起来。 我使用的数据来自iMDB开源数据库，可以在这里下载。 ftp://ftp.fu-berlin.de/pub/misc/movies/database/ 运行程序时，记得将数据upzip 并与java 代码放在同一目录中。

基于神经网络的语音分离必读论文和教程列表 该存储库包含用于纯语音分离和多模式语音分离的论文。 通过Kai Li（如果有任何建议，请与我联系！电子邮件： ）。 提示：对于语音分离初学者，我建议您阅读“深度群集”和“ PIT＆uPIT”作品，这将有助于理解问题。 如果您发现以下某些文章的代码，欢迎添加链接。 纯语音分离 :check_mark: [用于单声道信号源分离的蒙版和深度递归神经网络的联合优化，黄波森，TASLP 2015] :check_mark: [用于单声道语音分离的复杂比率掩盖，DS Williamson，TASLP，2015年] :check_mark: [深度聚类：用于分段和分离的区分嵌入，JR Hershey，ICASSP 2016] :check_mark: [使用深度聚类的单通道多扬声器分离，Y Isik，Interspeech 2016] :check_mark: [用于与说话者无关的多说话者语音分离的深度模型的置换

多说话者语音的目标说话人提取和验证 此处的代码是说话人提取，其中鉴于目标说话人的特征，只会提取目标说话人的声音。 在论文2）中，我们使用小型网络从目标说话者的不同话语中共同学习目标说话者的特征。 您也可以使用i-vector或x-vector网络替换网络。 如果您对语音分离感兴趣，希望将所有说话者的声音都融入到混音中，请转到 文件 请引用： 徐成林，饶伟，肖雄，Ch昂崇和李海洲，“使用网格LSTM对单个通道语音进行分离，并限制了其对钢琴水平的渗透性，”，Proc。 见ICASSP 2018，第6-10页。 徐成林，饶伟，Ch昂崇和李海洲，“基于幅度和时间谱近似损失的说话人提取神经网络的优化”，Proc.Natl.Acad.Sci.USA。 见ICASSP 2019，第6990-6994页。 饶饶，徐成林，郑昂松和李海洲，“多说话者说话人验证的目标说话人提取”，Proc.Natl.A

用于单通道语音分离的深度聚类 “用于分割和分离的深度聚类判别嵌入”的实现 要求 参见 用法 在.yaml文件中配置实验，例如： train.yaml 训练： python ./train_dcnet.py --config conf/train.yaml --num-epoches 20 > train.log 2>&1 & 推理： python ./separate.py --num-spks 2 $mdl_dir/train.yaml $mdl_dir/final.pkl egs.scp 实验 配置 时代 调频 FF 毫米 FF /毫米 AVG 25 11.42 6.85 7.88 7.36 9.54 问与答 .scp文件的格式？ wav.scp文件的格式遵循kaldi工具箱中的定义。 每行包含一个key value对，其中key是索引音频文件的唯一字符串，而值

为了解释“粘滞”和“反冲”现象，使用基于多体EAM势函数的分子动力学（MD）模拟了球表面的附着力。 晶格位错出现在粘附界面。 表面原子“召集”并迁移，从而导致“粘滞”现象。 界面原子的迁移速度不一致。 一些原子迁移太快，从而导致“回跳”现象。 在粘贴过程中，“回跳”现象出现了两次。 发现“颈部分离”现象。 在粘附表面，一些原子显示出吸引力，而一些原子显示出排斥力。 随着粘附距离的变化，发现了吸引力和排斥力之间的转换。 分离过程中的粘合力明显落后于接触过程中的粘合力，这表明在粘合过程中存在能量损失。 最后模拟了粘附变形曲线，并与相关结果进行了比较。

流量分离数字滤波器 单参数和二参数水文分离方法 对于长期的连续水位测量，可以使用数字滤波方法从总流量中分离快速流量（高频）和基本流量（低频）分量。 1，单参数分离（Nathan and McMahon，1990）a：基流过滤器参数 2，两个参数分离（Eckhardt，2005）a：基本流量过滤器参数BFImax：基本流量与总流量的长期比率的最大值 参考： Nathan，RJ和TA McMahon，1990年。基准流和衰退分析自动化技术的评估。 水资源研究，26（7）：1465-1473。 Eckhardt，K.，2005。如何构造用于递归分离的递归数字滤波器。 水文过程，19（2）：507-515。

Nano-TiO2 was employed for the separation and preconcentration of thallium. It was found that the adsorption ratio of thallium ions was more than 98% at pH 4.5 and the desorption ratio reached 99% under microwave irradiation for3 min at350 W. The adsorpti

HH模型代码MATLAB Engerer2-分离模型 Engerer2 扩散馏分分离模型的代码遵循发表在《可再生和可持续能源杂志》上的新参数化版本。 该模型根据全球水平辐照度、纬度、经度和时间的输入来估计漫射水平辐照度。 Engerer 分离模型首次在论文中得到描述和验证：Engerer, NA 2015. 澳大利亚东南部全球辐照度漫射分数的分钟分辨率估计。 太阳能。 116、215-237。 本文介绍了 Engerer 分离模型的 3 种变体：1、2 和 3 Engerer1 适用于非云增强数据，Engerer2 适用于云增强数据，Engerer3 仅适用于晴空数据。 尽管在许多比较研究中得到了出色的验证，但该原始模型仅根据澳大利亚数据进行了训练和测试，因此缺乏全球范围。 该存储库根据新论文展示了 Engerer2 模型的新性能：Bright, Jamie M. & Engerer, Nicholas A. 2019. Engerer2：不同时间分辨率下辐照度分离模型的全局重新参数化、更新和验证。 可再生与可持续能源杂志。 11（2），xxx。 如果在研究中使用此代码，我们要求引用

ppmlhdfe ：具有多个固定效应水平的泊松伪似然回归 当前版本： 2.2.0 02aug2019 跳转到： 另请参见： | | | | | ppmlhdfe是一种Stata软件包，可实现具有多重固定效应的Poisson拟最大似然回归（PPML），如。 由于在开发了程序，因此所采用的估计器对于统计分离和收敛问题具有鲁棒性。 最近更新 2.2版02aug2019：由于提高了IRLS加速度（请参见）以及更快地进行了分离检查，从而大大提高了速度。 2.1版04apr2019：增加了实验。 对于Poisson模型，它不像其他GLM那样有用，因此默认情况下已关闭。 您可以通过包含选项use_step_halving(1)来启用它。 您可以设置的其他选项是step_halving_memory(0.9)和max_step_halving(2) （括号中的默认值）。 引文 （在此处下载Bib

说明： 完成欠定盲语音分离，源信号为3路输入，有2路麦克风，用c实现。 (Underdetermined blind speech separation is completed, the source signal is 3 inputs, 2 mic, with c achieve.)