资源内容为GAN对抗神经网络的各种常用变体。 项目源自Github：https://github.com/eriklindernoren/Keras-GAN 如果没有积分或者打不开的朋友可以联系邮箱：1454196320@qq.com 具体内容包括： 1.GAN(经典) 2.半监督生成对抗网络(SGAN) 3.边界搜索生成对抗网络(BGAN) 4.对偶生成对抗网络（DualGAN) 5.辅助分类-生成对抗网络（Auxiliary Classifier GAN） 6.基于上下文的半监督生成对抗网络(CC-GAN) 7.耦合生成对抗网络(CoGAN) 8.深度卷积生成对抗网络(DCGAN) 9.双向生成对抗网络(BiGAN) 10.信息最大化的生成对抗网络（InfoGAN） 11.最小均方误差的生成对抗网络(LSGAN) 12.Wasserstein GAN

OpenZeppelin合同可升级 该存储库托管的变体，旨在用于可升级的合同中。 此变体作为单独的软件包提供，称为@openzeppelin/contracts-upgradeable 。 它遵循所有规则：构造函数被初始化函数替换，状态变量在初始化函数中初始化，并且我们还检查了次要版本之间的存储不兼容性。 :warning: 警告 此软件包的主要版本之间将存在存储不兼容性，这使得将已部署的合同从一个主要版本升级到另一个主要版本（例如从3.4.0升级到4.0.0）是不安全的。 同样，从@openzeppelin/contracts-ethereum-package （与之前的软件包类似） @openzeppelin/contracts-upgradeable到@openzeppelin/contracts-upgradeable 。 强烈建议将这些合同与可以自动保证可升级合同安全的工具一起使用，

ksvd MATLAB代码健壮_KSVD MATLAB和Python代码可利用KSVD变体来实现健壮的字典学习。 作者：卡洛斯·洛萨（Carlos Loza） 接触：

深度残差收缩网络 深度残差收缩网络是深度残差网络（ResNets）的一种变体，旨在提高高噪声信号或复杂背景下的特征学习能力。 尽管该方法最初是为基于振动的故障诊断而开发的，但也可以应用于图像识别和语音识别。 主要的创新是将软阈值作为非线性转换层集成到ResNets中。 此外，阈值是由专门设计的子网自动确定的，因此不需要专业的专家来确定阈值。 该方法使用TensorFlow 1.0.1，TFLearn 0.3.2和Keras 2.2.1实现，并应用于图像分类。 代码中构造了一个带有3个剩余收缩块的小型网络。 可以使用更多的块和更多的训练迭代来获得更高的性能。 抽象的： 本文提出了一种新的深度学习方法，即深度残差收缩网络，以提高来自高噪声振动信号的特征学习能力，并实现较高的故障诊断精度。 将软阈值作为非线性转换层插入到深层体系结构中，以消除不重要的功能。 此外，考虑到为阈值设置适当的值通常

c均值聚类算法matlab代码fcm_m 这是matlab代码中FCM聚类方法的一些变体。 您可以参考以下文章以进一步了解：“一种鲁棒的模糊局部信息C均值聚类算法”

3x3 本地二进制描述符的简单演示代码： - 局部二进制模式 (LBP)、局部定向模式 (LDP) 和局部最优定向模式 (LOOP) （将在大多数版本的 MATLAB 中运行） - 使用代码时，请引用： T. Chakraborti，B。McCane，S。Mills和U. Pal，“循环描述符：编码鳞翅目细目视觉识别的重复局部模式”，arXiv：1710.09317。 - 相关论文见： https ://arxiv.org/abs/1710.09317 （提交给 IEEE Signal Processing Letters，正在审核中） -Copyright 2017, Tapabrata Chakraborti，保留所有权利。

附录里的matlab代码#LinearFW 这是重现我们所有实验的代码： On the Global Linear Convergence of Frank-Wolfe Optimization Variants Simon Lacoste-Julien and Martin Jaggi NIPS 2015 它涵盖了针对方程式中描述的问题的Frank-Wolfe优化变量的全局线性收敛速度。 （1）在论文中。 它包含Frank-Wolfe的实现，在两个应用程序上分别执行Frank-Wolfe和成对的Frank-Wolfe： l1约束最小二乘回归（lasso）; 来自视频共定位应用程序的流多面体上的QP。 该代码在Matlab中运行（已在Linux，Windows和Mac上的Matlab 2014中进行了测试）。 但是对于下面的前两个文件夹，通过删除初始化随机种子的行，它也可以轻松地在Octave中运行。 有三个文件夹： FW_lasso包含用于生成图2顶部图形的套索实验。在文件夹中启动run_FW.m以生成图（花费几秒钟）。 triangle_FW_experiment包含线性速率常数实

# 矢量基幅平移库#### 一个紧凑的库，实现了矢量基幅度平移 (VBAP) 方法和声音空间化的变体。 --- > Archontis Politis，2015 > 芬兰阿尔托大学信号处理与声学系> archontis.politis@aalto.fi --- 这个Matlab / Octave库是在我在芬兰阿尔托大学的[Communication Acoustics Research Group]（ http://spa.aalto.fi/en/research/research_groups/communication_acoustics/ ）进行博士研究期间开发的。 如果你想参考代码，你可以参考我发表的论文[这里]（ https://aaltodoc.aalto.fi/handle/123456789/22499）： Archontis Politis，用于参数化空间音频技术的

pagerank matlab代码

ssds.pytorch 适用于pytorch，python3的Single Shot MultiBox Detector及其变体的存储库。 此存储库易于设置，并具有大量可视化方法。 我们希望此回购协议可以帮助人们更好地理解类似ssd的模型，并帮助人们轻松地训练和部署ssds模型。 当前，它包含以下功能： 多种SSD变体：ssd，fpn，bifpn，yolo等 多基础网络：resnet，regnet，mobilenet等。 可视化类似于ssd的模型的功能，以帮助用户了解模型的设计和性能。 快速培训和推论：利用Nvidia Apex和Dali进行快速培训，并支持用户将模型转换为ONNX或TensorRT进行部署。 此回购取决于 ， 和。 感谢他们的工作。 注意当前版本的预训练模型尚未完成，请检查以获取丰富的预训练模型。 目录 安装 要求 python> = 3.7 CUDA>