金属材料模拟中Lammps的单位

经验证，可于EXCEL的VBA中使用的二维码（QRMAKER）控件 、VBA中调用QRmaker 由于VBA的窗体环境和VB中的差不多，所以在VBA窗体中调用QRmaker就不再描述，这里主要说明一下如何在表格中引用QRmaker。 第一步：单击Office按钮，在Excel选项中开启“开发工具”项，从而让“开发工具”选项卡显示出来。 第二步，插入→其他控件，选择QRmaker。 然后就是在合适的地方绘出QRmaker控件，这时会自动进入“设计模式”，单击“属性”可以展开控件的“属性”栏，可根据需要设置相关属性，和VB中的操作雷同。 接下来与VB中不一样的地方就是如何在VBA代码中引用QRmaker控件了，这点和VB中有点小区别。 添加“模块”，添加“过程”，输入代码。 Public Sub QRCodeTest() '定义QRString变量，存储要生成二维码的字符串 Dim QRString As String '给QRString赋值，根据实际情况赋值 QRString = Sheet1.Range("E14") & Sheet1.Range("F14") & ";" & Sheet1.Range("E15") & Sheet1.Range("F15") & ";" & Sheet1.Range("E16") & Sheet1.Range("F16") & "_" & Sheet1.Range("G16") & "_" & Sheet1.Range("F17") & "_" & Sheet1.Range("G17") Sheet1.Select '设置QRmaker的AutoRedraw属性为ArOn Sheet1.QRmaker1.AutoRedraw = ArOn '将字符串传递给QRmaker控件 Sheet1.QRmaker1.InputData = QRString '刷新QRmaker的内容，如果AutoRedraw属性为On，则无需此句 'Sheet1.QRmaker1.Refresh End Sub 然后就可以在Excel表格中生成二维码了，根据实际情况，在填写相关数据后，执行上面的语句就可以了，其他的工作该咋的就咋的吧。

中英文翻译模型，Helsinki-NLP/opus-mt-zh-en

摘    要：本文主要介绍了基于DSP实现的PWM整流回馈系统的设计。该设计可以做到输入电流正弦、单位功率因数、直流母线电压输出稳定，具有良好的动态性能并可实现能量的双向流动（即四象限运行），最终给出实验波形，验证了系统的可行性。 　　1 引言 　　随着电网谐波污染问题的日益严重和人们对高性能电力传动技术的需要，人们对PWM整流技术给予了越来越多的关注。PWM整流器可以做到输入电流正弦、单位功率因数、直流电压输出稳定，具有良好的动态性能并可实现能量的双向流功，也就能够实现系统的四象限运行，即快速制动和能量回馈。与传统的整流器（即不控整流或相控整流）相比，具有很多优点。本文主要通过系统方案的

【ResNet 中英文对照翻译1】深入解析深度残差学习框架 深度学习在图像识别领域取得了显著的进步，但随着神经网络层数的增加，训练难度也随之增大。为了解决这一问题，研究人员提出了ResNet（深度残差网络）。ResNet的核心理念在于通过构建残差学习框架，使得网络能够更轻松地训练更深的层次。 传统的神经网络每一层试图学习一个从输入到输出的映射，但随着网络深度增加，这种映射变得越来越难以优化。ResNet引入了一个创新的思路，即让网络学习输入到输出的“残差”而非原始映射。这意味着每一层的目标不是直接学习一个复杂的函数，而是学习如何修正或添加信息到前一层的输出上，这极大地简化了学习过程。 ResNet的结构设计包括“跳跃连接”（skip connection），这是一种直接将输入传递到输出的短路机制。这样，即使某一层无法学到任何新的信息，网络仍然可以通过前一层的输出传递信息，从而避免了梯度消失或爆炸的问题。这一设计使得在网络中增加更多层时，训练过程变得更加稳定，且能有效利用深层结构的表达能力。 在ImageNet数据集上的实验结果显示，ResNet可以达到前所未有的深度，如152层，而其复杂度却低于先前的VGG网络。尽管深度增加了8倍，但ResNet的性能并未因深度增加而退化，反而因为深度的提升获得了更高的准确率。事实上，由多个ResNet组成的集成模型在ILSVRC 2015分类任务中取得了3.57%的测试误差，赢得了该比赛的第一名。 此外，ResNet的卓越性能不仅体现在ImageNet上，还在CIFAR-10数据集上进行了广泛的分析，即使是100层和1000层的ResNet也能保持较好的训练效果。这表明ResNet框架的鲁棒性和可扩展性，对于处理大规模图像识别任务具有显著优势。 在COCO目标检测数据集上，ResNet的深度表示能力带来了28%的相对改进，进一步证明了深度网络在视觉识别任务中的优越性。因此，ResNet不仅是ILSVRC & COCO 2015竞赛中多项任务的第一名得主，也是深度学习研究与应用的一个里程碑，推动了后续许多深度网络架构的发展，如 DenseNet、 SENet 等。 总结来说，ResNet通过残差学习和跳跃连接解决了深度神经网络训练中的难题，实现了更深层次的网络优化，提高了图像识别的准确性和效率，为深度学习领域的研究奠定了坚实的基础。

在MATLAB中实现图片叠加是一项常见的图像处理任务，特别是在3D重建、计算机视觉或时间-of-flight（ToF）相机校准等领域。本项目名为"ToF-Calibration"，它提供了一个工具箱，专门用于ToF相机的校准，这在精确测量距离和进行三维成像时非常重要。该工具箱经过了英特尔的创意测试，并且对Kinect2传感器进行了测试，表明其兼容性和实用性。 在图像处理中，图片叠加通常指的是将两张或多张图像按照特定的规则融合到一张图像上，可以用于对比分析、透明度调整或者创建合成图像。在ToF相机校准中，图片叠加可能被用来比较原始深度图和校准后的深度图，以便评估校准效果。 MATLAB提供了丰富的图像处理函数来支持图片叠加。例如，可以使用`imfuse()`函数将两幅图像融合在一起，用户可以选择不同的融合方法来控制结果图像的视觉效果。此外，`imread()`用于读取图像，`imshow()`用于显示图像，而`imwrite()`则用于保存处理后的图像。 在"ToF-Calibration"工具箱中，可能包含以下功能： 1. **数据读取与预处理**：从ToF相机捕获的原始数据可能需要进行噪声过滤、灰度转换等预处理，以提高后续校准的精度。 2. **校准模型建立**：利用几何或统计方法建立相机的校准模型，这通常包括参数估计，如焦距、畸变系数等。 3. **图像配准**：确保不同图像之间的相对位置和角度一致，以便于叠加。 4. **图像叠加**：通过上述处理后，将原始图像和校准后的图像进行叠加，对比分析校准效果。 5. **评估与优化**：通过对比分析，评估校准的质量，并进行迭代优化，直至达到满意的校准结果。 6. **用户界面**：为了方便非专业用户使用，工具箱可能还包括一个图形用户界面（GUI），使得操作过程可视化和交互化。 在"ToF-Calibration-master"这个压缩包中，很可能包含了源代码、示例数据、文档和其他相关资源。用户可以通过解压并导入MATLAB来运行和研究这些代码，从而学习和应用图像叠加以及ToF相机的校准技术。 这个项目为理解和实现ToF相机的校准提供了一个实用的平台，同时也为图像处理爱好者和研究人员提供了深入学习的机会。通过这个工具箱，用户不仅可以掌握图片叠加的技术，还能了解到更复杂的相机校准流程和背后的理论。

课程名称 软件系统分析与设计 时间 2017-2018学年第（1）学期 画质 马赛克画质

主要适用于在校本科生、研究生毕业设计或期末大作业，基于蒙特卡洛仿真方法论，介绍了卷积码、Turbo码和LDPC码，以相同的码率仿真了3种编码，并对比了其误码率性能（仿真生成在同一张图中），其中ber_compare.m 实现的是作图功能 其他三个文件夹里面的程序是卷积码、turbo码、LDPC码3种编码方式误码率仿真程序 请先运行3个文件夹中的程序，然后再运行ber_compare.m，即可得到图像。 word文档中是实验报告。

D-S证据理论是由A. P. Dempster在1967年提出的，后由G. Shafer在1976年系统化发展而成，是一种处理不确定性的信息融合方法。该理论在各种数据融合系统中得到广泛应用，尤其在需要综合多个独立证据源信息时。D-S证据理论的中心思想是通过一个数学框架将证据的综合影响量化，从而得出对某个假设的信任程度。下面详细说明D-S证据理论及其改进算法的知识点。 1. D-S证据理论的相关定义 D-S证据理论首先定义了一个识别框架U，即一个完整的、互斥的元素集合，代表所有可能的情况。在该框架下，通过基本概率分配（Basic Probability Assignment，BPA）来表示对框架内元素的信任程度。BPA用数学表达式表示为Bel:2^U -> [0,1]，满足以下两个条件： - Bel(∅) = 0； - ∑_{A⊆U} Bel(A) = 1。 其中Bel(A)即为命题A的基本概率值。 2. 信任函数和似真度函数 信任函数（Belief Function, BEL）和似真度函数（Plausibility Function, PL）是用来表示对命题真假的判断。信任函数Bel(A)表示从当前证据出发，能够确定命题A为真的最小信任度；似真度函数Pl(A)则表示命题A为真时的最大可能信任度。对于任何命题A有以下关系：Bel(A) ≤ Pl(A)，这反映了信任的不确定性区间。 3. Dempster合成规则 Dempster合成规则是D-S证据理论的核心，其作用是合成两个或多个证据。该规则如下所述： - 给定两个证据的基本概率分配m1和m2，可由Dempster合成规则计算出合成后的基本概率分配m； - 如果两个证据没有冲突（即它们共同支持某个命题），则合成后的证据会强化这种支持； - 如果两个证据存在冲突（即它们对同一命题的支持度有重叠但又不完全相同），则合成后的证据会削弱这种支持，甚至在极端情况下，如果冲突不可调和（即K趋向于无穷大），Dempster规则则无法给出合成结果。 4. 数据融合过程 D-S证据理论在数据融合中的应用，涉及到多个信息源提供的证据的综合处理。融合过程通常包括以下几个步骤： - 收集信息源提供的证据； - 对每个信息源定义基本概率分配； - 应用Dempster合成规则对各个证据进行合成； - 根据合成后的信任函数和似真度函数，得到最终对某一假设的支持程度。 5. 改进的证据组合方法 尽管D-S证据理论在理论上有广泛应用，但在实际应用中也存在不足，特别是在证据源高度冲突时，合成规则可能无法给出合理的结果。因此，学者们提出多种改进算法，例如Yager提出的修正Dempster规则，能够处理证据完全冲突的情况；还有Dubois-Prade修改法、Murphy修改法等，旨在降低证据冲突对最终合成结果的影响。 6. 应用实例 文章中提出了改进算法的例子，通过实例分析，证明了改进方法能够有效地处理那些证据间存在较大冲突的场合。改进后的算法提高了数据融合的性能和可靠性，对于实际应用系统具有重要意义。 7. 研究背景与基金项目 文章作者马志刚和张文栋来自中北大学电子测试技术国家重点实验室，他们的研究受到山西省自然科学基金项目的支持。这反映了该理论在实际研究中的重要性以及实际应用中的潜在价值。通过获得资助，该研究得以深入并可能推动相关领域的技术进步。 D-S证据理论及其改进算法是数据融合领域中非常重要的理论工具，尤其在不确定性信息处理和决策支持方面表现出了强大的实用价值。通过对该理论的深入理解和算法的改进，可以在多源信息融合系统设计、人工智能决策支持、风险评估等多个领域发挥作用。

FDTD 中的滤波器仿真的建立，传感模型的建立包括MZI.微环谐振器，亚波长光栅，FP等结构的指导。 FDTD中光子晶体微腔仿真的搭建，包括一维光子晶体微腔、二维光子晶体微腔（H0、H1腔，L3、L5腔等），Q值优化、电场Ey图仿真。 在进行光学器件仿真分析时，有限时域差分法（FDTD）作为一种强大的计算电磁学工具，被广泛应用于光子晶体微腔、滤波器以及传感模型的建立。FDTD通过直接在时域内求解麦克斯韦方程，能够模拟电磁场在介质中的传播、散射和吸收等现象，从而为光学器件的设计提供了强大的数值模拟手段。 在FDTD中，光子晶体微腔的仿真是一个重点研究领域。光子晶体微腔具有高度的光学限制性，能够实现高品质因子（Q值）的共振。一维和二维光子晶体微腔分别对应不同的结构设计，例如H0、H1腔，L3、L5腔等，它们在波导、激光器以及传感器等领域具有重要应用。通过对这些微腔结构进行仿真，可以优化设计参数以达到特定的性能指标，如Q值的优化和电场Ey图的仿真。 在滤波器仿真的建立方面，FDTD方法可以用来模拟各种类型的滤波器，包括但不限于马赫-曾德尔干涉仪（MZI）、微环谐振器、亚波长光栅、法布里-珀罗（FP）腔等。这些滤波器在光通信、光谱分析、光学传感等领域扮演着关键角色。通过FDTD仿真，可以分析滤波器在不同频率下的响应特性，从而指导其实际的设计与制造。 在传感模型的建立方面，FDTD能够模拟传感器对特定生物、化学物质的感应机制，以及这些物质如何影响传感器内部电磁场的分布。这些传感模型的仿真可以帮助设计者理解传感器的工作原理，优化传感灵敏度和选择性，从而提高传感器的检测性能。 值得注意的是，在实际的FDTD仿真中，对仿真的稳定性、准确性和效率要求很高。因此，在进行仿真之前，必须精心选择网格尺寸、时间步长等参数，以保证仿真的准确性。同时，对于仿真结果的分析，也需要借助数值分析和图像处理技术来提取有意义的信息。 此外，压缩包文件名称列表中包含了多个与FDTD仿真实践相关的文档和图像文件。这些文件可能包含了仿真实验的设计、步骤、结果以及分析等内容。例如，“基于聚类的最优聚类个数确定策略分析”可能涉及如何优化仿真参数以提高仿真的精确度；“技术博客文章中的滤波器与传感模型构建”可能提供了一些实用的仿真实践技巧和经验分享。这些内容对于理解FDTD仿真的理论和实践有着重要的参考价值。 通过结合FDTD仿真技术与具体的光学器件结构设计，研究人员能够更深入地了解器件的物理机制，进而推动光学器件的研究与开发，为新型光学器件的设计与制造提供理论基础和技术支持。无论是在教学、科研还是工业界，FDTD仿真都在光学器件的开发过程中扮演着至关重要的角色。