This manuscript is based on the dissertation entitled ”Microwave Circuits for 24 GHz Radar Front-End Applications in CMOS and Bipolar Technologies” submitted to the University of Paderborn. 本资源仅用于学习和交流用,请于下载后24小时自行删除.

TetGen, a Delaunay-Based Quality Tetrahedral Mesh Generator HANG SI, Weierstrass Institute for Applied Analysis and Stochastics (WIAS)

经典图形学教程pbrt第三版 详细讲解graphics基础 正文内附implementation code 涵盖ray tracer, path tracer, photon mapping, 可以作为semester project

第十八章 动态优化模型 动态过程的另一类问题是所谓的动态优化问题，这类问题一般要归结为求 优控制 函数使某个泛函达到极值。当控制函数可以事先确定为某种特殊的函数形式时，问题又 简化为求普通函数的极值。求解泛函极值问题的方法主要有变分法和 优控制理论方 法。 §1 变分法简介 变分法是研究泛函极值问题的一种经典数学方法，有着广泛的应用。下面先介绍变 分法的基本概念和基本结果，然后介绍动态系统 优控制问题求解的必要条件和 大值 原理。 1.1 变分法的基本概念 1.1.1 泛函 设 S 为一函数集合，若对于每一个函数 Stx ∈)( 有一个实数 J 与之对应，则称 J 是 对应在 S 上的泛函，记作 ))(( txJ 。 S 称为 J 的容许函数集。 通俗地说，泛函就是“函数的函数”。 例如对于 xy 平面上过定点 ),( 11 yxA 和 ),( 22 yxB 的每一条光滑曲线 )(xy ，绕 x 轴 旋转得一旋转体，旋转体的侧面积是曲线 )(xy 的泛函 ))(( xyJ 。由微积分知识不难写 出 dxxyxyxyJ x x )('1)(2))(( 2 1 2∫ += π （1） 容许函数集可表示为 })( ,)(],,[)(|)({ 221121 1 yxyyxyxxCxyxyS ==∈= （2） 简单的一类泛函表为 ∫= 2 1 ),,())(( t t dtxxtFtxJ & （3） 被积函数 F 包含自变量 t，未知函数 x 及导数 x&。（1）式是 简泛函。 1.1.2 泛函的极值 泛函 ))(( txJ 在 Stx ∈)(0 取得极小值是指，对于任意一个与 )(0 tx 接近的 Stx ∈)( ，都有 ))(())(( 0 txJtxJ ≥ 。所谓接近，可以用距离 ε<))(),(( 0 txtxd 来度量， 而距离定义为 |})()(||,)()({|max))(),(( 000 21 txtxtxtxtxtxd ttt && −−= ≤≤ 泛函的极大值可以类似地定义。 )(0 tx 称为泛函的极值函数或极值曲线。 1.1.3 泛函的变分 如同函数的微分是增量的线性主部一样，泛函的变分是泛函增量的线性主部。作为 泛函的自变量，函数 )(tx 在 )(0 tx 的增量记为 )()()( 0 txtxtx −=δ 也称函数的变分。由它引起的泛函的增量记作 ))(())()(( 00 txJtxtxJJ −+=Δ δ 如果 JΔ 可以表为

KV存储引擎 众所周知，非关系型数据库redis，以及levedb，rockdb其核心存储引擎的数据结构就是跳表。 本项目就是基于跳表实现的轻量级键值型存储引擎，使用C++实现。插入数据、删除数据、查询数据、数据展示、数据落盘、文件加载数据，以及数据库大小显示。 在随机写读情况下，该项目每秒可处理啊请求数（QPS）: 24.39w，每秒可处理读请求数（QPS）: 18.41w 项目中文件 main.cpp 包含skiplist.h使用跳表进行数据操作 skiplist.h 跳表核心实现 README.md 中文介绍 README-en.md 英文介绍 bin 生成可执行文件目录 makefile 编译脚本 store 数据落盘的文件存放在这个文件夹 stress_test_start.sh 压力测试脚本 LICENSE 使用协议 提供接口 insertElement（插入数据） delet

介绍“一种基于 floyd 和 a * 理论的混合路径规划算法”，仅用于学习交流，严禁用于商业用途

ROS Qt Deskotp GUI App Contributors This project exists thanks to all the people who contribute. 简体中文 | 使用qt5实现ros机器人人机界面 注意！未经作者的许可，此代码仅用于学习，不能用于其他用途。 本仓库以分支的形式，长期维护各种有趣的ROS 可视化项目，持续更新中..... 欢迎在issues提交bug 注意！主分支（master）已不再维护librviz功能，使用Qt自行绘制实现一些图层显示，如需librviz功能请切换分支或 一，菜单 功能介绍 开源协议 相关教程及交流群 二，安装教程 1，首先安装ros对qt pkg的支持（非必须） melodic需要换成自己的ROS版本号 sudo apt-get install ros-melodic-qt-create sudo apt-

基于AODNet的图像雾度去除 在Pytorch中使用AODNet去除单图像雾霾 在ICCV 2017上实施Boyi Li的论文 。 内容 相依性 Python 3.6或更高版本 火炬== 1.7.1 枕头== 5.1.0 numpy的= = 1.14.3 matplotlib == 2.2.2 用法 使用方法：下载整个项目并运行inference.py 文件夹./saved_models：保存经过训练的模型的位置，文件为.pth格式。 ./data/gt文件夹： groundtruth（无雾图像）。 文件夹./data/hazy：训练数据的相应模糊图像。 文件夹./test_images：出现在原始纸张中的一些测试图像。 data.py：用于加载训练数据的函数。 train.py：使用保存在文件夹./data/中的训练数据从头开始训练新的AODNet。 model.py：A

使用此代码模拟基本的微观结构演变。 这是一个相当古老的代码。 将很快在 2D 和 3D 中发布更新的代码。 此版本使用环绕边界条件，与新代码相比，计算速度稍慢。 但是，我正在对较新的版本进行一些更改。 所以，当心新版本.. :)

路由是把信息从源穿过网络传递到目的的行为，在路上，至少遇到一个中间节点。路由通常与桥接来对比，在粗心的人看来，它们似乎完成的是同样的事。它们的主要区别在于桥接发生在OSI参考协议的第二层(链接层)，而路由发生在第三层(网络层)。这一区别使二者在传递信息的过程中使用不同的信息，从而以不同的方式来完成其任务。