针对合成孔径雷达(SAR)图像中舰船目标稀疏的特点,提出一种基于级联卷积神经网络(CNN)的SAR图像舰船目标检测方法.将候选区域提取方法BING与目标检测方法Fast R-CNN相结合,并采用级联CNN设计,可同时兼顾舰船检测的准确率和速度.首先,针对SAR图像中相干斑噪声影响梯度检测的问题,在原有梯度算子的基础上增加平滑算子,并对图像尺寸个数和候选框个数进行适应性改进,使其提取到的候选窗口更快更准;然后,设计级联结构的Fast R-CNN检测框架,前端简单的CNN负责排除明显的非目标区域,后端复杂的CNN对高概率候选区域进行分类和位置回归,整个结构可以保证快速准确地对舰船这种稀疏目标进行检测;最后,设计一种联合优化方法对多任务的目标函数进行优化,使其更快更好地收敛.在SAR图像舰船检测数据集SSDD上的实验结果显示,所提出的方法相比于原始Fast R-CNN和Faster R-CNN检测方法,检测精度从65.2%和70.1%提高到73.5%,每张图像的处理时间从2235ms和198ms下降到113ms.

在基于节点的攻击引发的级联故障中识别复杂网络中的易受攻击的节点

本资源为使用Matlab2018a版本的级联H桥仿真程序，保证整流器的完美运行和整流波形的准确性，仿真采用单相电源，三模块H桥级联的形式，采用电压电流双闭环控制。可以实现负载平衡状态下交流侧3kV到直流侧每个H桥400V-500V的完美整流。Matlab版本过低的用户请谨慎下载，否则可能无法运行。如果有不小心下载了却无法运行，请私聊本人，本人将会将完整结构截图和参数以及模块讲解文件发给你，你可以对照着自己搭建。 下载完成后如有需要可联系作者获取模块讲解文件。

本资源采用三模块七电平级联H桥整流器仿真，采用电压电流双闭环控制。除了最基本的控制器模块以外，还引入了电压平衡控制器，可以实现三个H桥负载不平衡差异较大情况下的整流，保持每个H桥的电压相同，仿真效果完美。源程序使用Matlab2018a搭建，matlab版本过低的小伙伴请谨慎下载，否则可能无法运行。如果有不小心下载了却无法运行，请私聊本人，本人将会将完整结构截图和参数以及模块讲解文件发给你，你可以对照着自己搭建。 下载后有需要可联系作者获取模块讲解文件。

更新了最新的省市区三级SQL数据文件，包含三张表，省、市、区，各一张表，最新，最全

基于Layui+form组件的省市区级联下拉框选择，需要的朋友可以下载，亲测蛮好用

分析并证明了同型 Toffoli门串联的输出结果与串联门个数之间的关系。为了保证串联过程收敛,给出了 Toffoli门串联网络的计数,证明了可逆网络输入向量中 Hamming重量的位向量个数与位向量位数之间的关系。提 出了一种 Toffoli门的串联、并联和混合级联网络的算法,并验证了该算法的有效性。

下面描述的是一个模60计数器，该计数器通过将模10计数器和模6计数器级联的方式构成，每当模10计数器计数到1001时，模6计数器就会计数加1，直至计数到60时，即模6计数器到达0101、模10计数器到达1001时，计数状态又回到00000000，然后重新计数。

描述：https://blog.csdn.net/qq_41936090/article/details/110632453 文件包括了：项目工程（关键部分注解详细），以及sql文件。功能：选中第一个下拉框，局部刷新第二个下拉框的值，且每次选中第一个下拉框，第二个下拉框都会有对应的值提供选择。主要使用了MySQL，jdbc，servlet，jsp，而异步是使用了原生的JS和XMLHttpRequest异步对象实现的。

vue ant-design中使用的a-cascader 省市区三级联动 前端所使用的全国数据