股权结构、融资约束与研发投资金融学研究——来自创业板上市公司的证据.docx
2021-10-20 10:02:15
86KB
股权集中度、成本粘性与公司绩效财务管理研究--来自中国非金融上市企业的经验证据.docx
2021-10-20 10:02:15
18KB
银行竞争、股权融资与企业创新金融研究——来自中国上市公司的经验证据.docx
2021-10-20 10:02:04
70KB
第一章 矢量分析
第二章 电磁场中的基本物理量和基本实验定律
第三张 静电场分析
第四章 静态场边值问题的解法
第五章 恒定磁场分析
第六章 时变电磁场
这是山东大学的电磁场与电磁波的上课课件，谢谢支持~
2021-10-19 20:45:38
2.24MB
1
来自授权地址上拉加载（分页加载）当用户打开一个页面时，假设后台数据量庞大时，一次性地返回所有数据给客户端，页面的打开速度就会有所下降，而且用户只看上面的内容而不需要看后面的内容时 ...
加载更多（分页加载）
当用户打开一个页面时，假设后台数据量庞大时，一次性地返回所有数据给客户端，页面的打开速度就会有所下降，而且用户只看上面的内容而不需要看后面的内容时，也浪费用户流量，基于优化的角度来考虑，后台不要一次性返回所有数据，当用户有需要再往下翻的时候，再加载更加数据出来。
业务需求：
列表滚动到底部时，继续往上拉，加载更多内容
必备参数：
（1）pageindex: 1 /
2021-10-19 19:54:15
107KB
1
CAE模型
将压缩自动编码器（CAE）应用于来自USC-SIPI图像数据库的图像数据。 将压缩自动编码器（CAE）应用于来自USC-SIPI图像数据库的图像数据。 CAE模型来自 ，基于[1]。 这是一个正在进行的工作，模型的训练和模型本身是一个正在进行的工作
参考
[1]使用自动压缩编码器的有损图像压缩（ ）
2021-10-19 16:42:20
12.87MB
1
超高分辨率matlab代码HDRI-SR
Jae
Woong
Soh、Jae
Sung
Park
和
Nam
Ik
Cho
环境
Ubuntu
18.04
CUDA
9.0
和
cuDNN
7.1
Python
3.6
MATLAB
抽象的
本文提出了一种基于卷积神经网络
(CNN)
的联合增强图像分辨率和动态范围的新框架，即同步超分辨率
(SR)
和高动态范围成像
(HDRI)。
从这两个任务的共同趋势来看，我们通过专注于高频细节的重建，为联合
HDRI
和
SR
训练了一个
CNN。
具体来说，我们工作中的高频分量是根据基于
Retinex
的图像分解的反射分量，只有反射分量由
CNN
处理，而另一个分量（照明）以常规方式处理。
在训练
CNN
时，我们设计了一个适当的损失函数，有助于提高结果图像的自然质量。
实验表明，我们的算法优于基于
CNN
的
SR
和
HDRI
的级联实现。
我们提出的方法的简要说明
拟议计划的整体流程
LDR-LR
输入首先分解为照明和反射分量。
ILL-E
和
REF-E
分别对每个组件进行增强，最后合并在一起以生成
HDR-SR
图像。
图像分解
首
2021-10-19 14:57:47
72.55MB
1
这些文件提供了图像源模型 (ISM) 的快速实现，用于模拟小房间声学中的房间脉冲响应 (RIR)。 这种实现产生的 RIR 与使用标准 ISM 获得的 RIR 几乎相同，但模拟速度快了两个数量级。 这在计算大量 RIR 时表现出显着优势，例如在移动声源和/或麦克风阵列应用的情况下。
这些文件可用于模拟在混响环境中移动的声源，并生成在一个或多个麦克风处接收到的音频数据的相应样本。 这可以通过简单地执行以下两个命令来完成：
>> fast_ISM_RIR_bank(my_ISM_setup,'fastISM_RIRs.mat'); >> AuData = ISM_AudioData('fastISM_RIRs.mat',SrcSignalVec);
其中 SrcSignalVec 包含源信号，my_ISM_setup.m 包含模拟所需的各种用户定义参数（房间尺寸、麦克风位置、声源轨迹、
2021-10-18 16:36:57
35KB
1
聊天宝
使用Mayo Clinic的分析文章，使用python，NLTK，Punkt，SciKit和numpy的NLP ChatBot用于慢性肾脏疾病
2021-10-18 13:58:28
6KB
1