Understanding Delta-Sigma Data Converters
2022-12-02 11:21:04
8.59MB
1
全面详解LTE：MATLAB建模、仿真与实现 英文版，Understanding LTE with matlab。非常好的学习资料。
2022-12-01 20:19:59
20.4MB
1
TSM：高效视频理解的时移模块
@inproceedings{lin2019tsm,
title={TSM: Temporal Shift Module for Efficient Video Understanding},
author={Lin, Ji and Gan, Chuang and Han, Song},
booktitle={Proceedings of the IEEE International Conference on Computer Vision},
year={2019}
}
[NEW！]我们更新了online_demo的环境设置，并且应该更容易设置。 检查文件夹尝试！
[NEW！]我们已经在Kinetics上发布了预训练的光流模型。 我们相信预先训练的权重将有助于在其他数据集上训练两个流模型。
[NEW！]我们已经在NVIDIA Je
2022-11-24 18:46:41
194KB
1
自购英文原版扫描制作，因为上传限制，分为两部分，目录各位自己做吧，这本书的英文版网上是没有的，这是第一次上传
2022-11-16 22:16:37
48.25MB
1
这是《Understanding Unix/Linux Programming》书后光盘资源，这本书非常经典，是学习Unix/Linux的好教材，课后资源含有大量的练习。
2022-11-16 21:51:56
33.23MB
1
Understanding+LTE+with+MATLAB;
Understanding+LTE+with+MATLAB
2022-11-16 15:06:18
8.96MB
1
All people curious about how Linux works and why it is so efficient will find answers here. After reading the book, you will find your way through the many thousands of lines of code, distinguishing between crucial data structures and secondary ones—in short, becoming a true Linux hacker.
2022-11-15 10:04:32
4.84MB
1
RNN和Temporal-ConvNet进行活动识别
，（等额缴纳）
论文代码： （在杂志上接受，2019年）
项目：
抽象的
在这项工作中，我们使用ResNet-101演示了一个强大的基线两流ConvNet。 我们使用此基线来彻底检查RNN和Temporal-ConvNets的使用，以提取时空信息。 基于我们的实验结果，然后我们提出并研究了两个不同的网络，以进一步整合时空信息：1）时域RNN和2）初始样式的Temporal-ConvNet。
我们的分析确定了每种方法的特定局限性，这些局限性可能构成未来工作的基础。 我们在UCF101和HMDB51数据集上的实验结果分别达到了94.1％和69.0％的最新性能，而无需大量的时间增强。
我们如何解决活动识别问题？
演示版
GIF展示了我们的TS-LSTM和“时间-开始”方法的前3个预测结果。 顶部的文本是基本事实，三个文本是每种方法的预
2022-11-13 16:49:33
79.62MB
1
Understanding Machine Learning - From Theory to Algorithms这本书的中文扫描版
2022-10-11 13:18:21
47.86MB
1
Understanding Optics with Python
Understanding Optics with Python
Understanding Optics with Python
2022-09-17 20:24:10
7.84MB
1