我们最近由Gleyzes，Langlois，Piazza和Vernizzi（GLPV）提出的标量-张量引力理论研究约束的性质和哈密顿结构。 对于A5 = 0的简单情况，即与空间度量共轭的规范矩在外在曲率上是线性的，我们证明了物理自由度的数量在完全非线性的水平上为3，如GLPV所述。 因此，尽管该理论扩展了Horndeski的标量-张量引力理论，但可以防止其受到其他自由度的影响。

二元脉冲星观测和重力波检测严重地限制了标量-张量理论和无质量的标量场，从而仅允许相对于广义相对论的微小偏差。 但是，如果我们考虑标量场的质量为非零，则与观测值一致的参数值将允许与广义相对论产生重大偏差。 在本文中，我们扩展了这一思想，并研究了具有大范围场且具有自相互作用项的标量张量理论。 除了标量场质量的影响外，附加项还抑制了中子星模型中的标量场，但是仍然可以观察到与纯GR的参数值与观测值相符的较大偏差。

矩阵乘法的四张量幂问题的基于优势的约束优化进化算法

执行图像的一致性增强扩散，这个算子是用于多尺度纹理增强，特别是对不连续的指纹，可以用来增强和连接纹理是halcon中的算子coherence_enhancing_diff

matlab红外代码基于PSTNN的红外小目标检测 该matlab代码基于张量核规范的部分和实现了红外小目标检测模型。 关于这种方法的详细描述可以在我们的论文中找到。 参考： Zhang, L.; Peng, Z. Infrared Small Target Detection Based on Partial Sum of the Tensor Nuclear Norm. Remote Sens. 2019, 11, 382.

tf2crf 一个简单的CRF层用于tensorflow 2 keras 支持keras遮罩 安装 $ pip install tf2crf 特征 易于使用的带有张量流的CRF层 支持混合精度训练 支持具有DSC丢失的ModelWithCRFLossDSCLoss，这会在数据不平衡的情况下提高f1得分（请参阅） 注意力 在keras_contrib中添加CRF之类的内部内核，因此现在无需在CRF层之前堆叠Dense层。 我已经更改了将损耗函数和精度函数放在CRF层中的以前的方式。 相反，我选择使用ModelWappers（称为jaspersjsun），它更干净，更灵活。 尖端 tensorflow> = 2.1.0建议使用与您的tf版本兼容的最新tensorflow-addons。 例子 import tensorflow as tf from tf2CRF import CRF

资源中是《计算机视觉中的数学方法》对应的课件。本书由射影几何、矩阵与张量、模型估计三个部分组成，它们是三维计算机视觉所涉及到的基本数学理论与方法。I.射影几何学是三维计算机视觉的数学理论基础，是从事计算机视觉研究所必备的数学知识。II.矩阵与张量是描述和解决计算机视觉问题的必要数学工具，视觉领域研究人员都应该掌握这门数学。III.模型估计是三维计算机视觉的基本问题，通常涉及到变换或某种数学量的估计。

更改组件，看看立方体变形会发生什么。

matlab张量积代码矩阵乘积状态Langevin （1）在MATLAB中针对有限自旋链实现矩阵乘积状态Langevin方程，以及（2）对于无限自旋链实现时间相关的变分原理（）。 矩阵乘积状态Langevin方程描述了与环境热接触的系统的轨迹。 它扩展了随时间变化的变分原理，用于演化具有附加噪声和摩擦项的矩阵乘积状态。 安装 下载此存储库，并将其文件夹和所有子文件夹添加到MATLAB路径。 从下载NCON软件包并将其添加到MATLAB路径。 代码示例 在此示例中，我们模拟了有限旋转链的随机哈密顿量下的噪声演化。 首先，我们需要指定系统。 我们将定义spinDimList来编码4个局部尺寸为spinDimList和4的自旋。 spinDimList = [2 4 3 4]; 我们想将键的维数限制为3： Dmax = 3; 现在，让我们使用randomizedSystem_localH()函数生成初始状态，汉密尔顿和环境。 我们还将温度设置为较低，并在无摩擦状态下工作（这是更快的！）： [mpsInit,Hcell,EnvParams] = randomizedSystem_localH(

张量投票算法利用人类感知功能原理进行计算,它具有较强的鲁棒性、非迭代性、参数唯一性等特性,其非迭代性具有节省计算时间的显著性特征,因此,广泛应用于图像线特征提取,但在一些含有复杂噪声的图像中,却不能得到更为连续的显著线特征信息。本文针对此问题,提出一种改进的具有迭代性的张量投票算法,它主要是对投票域进行迭代改进,使改进后的张量投票算法可以提取更为连续的显著线特征,且与传统的张量投票算法相比,本文算法既缩短了计算时间,又提取了更为连续的线特征图像。