DL645调试工具：DL_T645电表报文计算器

资源包括安装文件npp.7.6.4.Installer.x64.exe、插件文件、及详细的安装使用说明。 1、 安装 双击npp.7.6.4.Installer.x64.exe。根据提示下一步安装即可； 2、 解压notepad++插件（64位）.zip文件，将ComparePlugin.dll等插件根据需要选择，放入plugins文件夹； 3、 设置→导入→导入插件 4、 选取ComparePlugin.dll等插件，导入 5、 重新打开notepad++即可。 6、 使用插件：插件→Compare→【】

Convolutional Neural Networks (CNNs) are computationally intensive, which limits their application on mobile devices. Their energy is dominated by the number of multiplies needed to perform the convolutions. Winograd’s minimal filtering algorithm and network pruning can reduce the operation count, but these two methods cannot be straightforwardly combined — applying the Winograd transform fills in the sparsity in both the weights and the activations. We propose two modifications to Winograd-based CNNs to enable these methods to exploit sparsity.

DL/T645-1997找了很久，找到了调试DL/T645-1997的串口工具，希望对大家有用

DL/T 5117-2000 水下不分散混凝土试验规程

DL.CODE 1.5.2安装包Datalogic DL.CODE software is a revolutionary step in developing the best-in-class 2D imager family with the release of the new Matrix N imagers family powered by DL.CODE. DL.CODE software provides a user friendly graphically based environment able to introduces crucial advantages in the MATRIX N Line offering.

MATLAB的疲劳检测代码脑电图检测驾驶员疲劳 该项目是2019年悉尼科技大学的一项大学研究项目的一部分。目标是开发一种算法，用于检测实时EEG数据流中的驾驶员疲劳程度。 包含从项目中获得的所有结果的详细项目也包含在存储库中。 在此仅发布MATLAB中的特征提取。 鼓励所有用户扩展此处显示的特征提取或根据这些特征提出一种改进的驾驶员疲劳检测方法。 该自述文件将指导用户完成整个MATLAB的设置，以便该程序可以在您的本地计算机上运行。 入门 由于应用了监督学习方法来解决检测任务，因此需要标记的数据集。 此类数据集已在此处记录和发布：。 需要下载所有名为“ 1.zip”到“ 11.zip”的文件夹，并将它们解压缩到本地计算机上的文件夹中。 预处理所有脑电图通道 打开并将路径变量设置为带有EEG数据的字典。 该脚本从下载中打开原始EEG时间信号，将其拆分为自定义检测时期（fe 1秒），并分配标签（0正常，1疲劳）。 具有0.5 Hz至50 Hz的通带的带通滤波器应用于时间信号。 因此，从信号中去除了高频噪声和DC偏移，而不会丢失用于疲劳检测的相关EEG信号。 用户可以选择此处要提取的给定的E

Detection and Recognition of Moving Video Objects Kalman Filtering with Deep Learning

开发的软件用到了mschart控件。在部署时由于在每台客户端安装mschart太过繁琐。只要把这6个dll文件复制到程序目录下打包发布即可。ps：在网络上找了很多方法;如注册mxcrt20.ocx都木有成功。

matlab股票预测代码#prediction 文件夹包含使用 LSTM 神经网络实现股票市场波动率预测。 Keras 用作 Tensorflow 后端的包装器。 #run cd 预测 python run.python #detection 文件夹包含使用离散信号处理的异常时间序列检测的实现。 使用Matlab脚本语言来实现。 #run #用matlab打开脚本（deect_anomaly.m），点击按钮run #from命令行 matlab -nodesktop -nosplash -r "detect_anomaly" #litigation-classifier-and-visualizations 文件夹包含大量非结构化数据（例如诉讼）处理、#classification 和可视化的代码。