元建模：scikit-learn和FEniCS之间的Python接口，用于高效的元建模 该程序由Pierre Kerfriden和Ehsan Mikaeili编写，用于预测脑肿瘤在脑外科手术中的位置。 在外科手术中，随着外科医生切开切口并打开颅骨，脑肿瘤在新的边界条件下重新定位。 对于外科医生而言，预测不同切口尺寸下的肿瘤位置是非常宝贵的数据，可以通过构建元模型来预测。 在该程序中，使用杨氏模量和切口半径这两个参数构造一个元模型。 在FEniCS平台上进行了有限元模拟，并使用scikit-learn机器学习库对预测进行了数据训练。 从机械角度来看，脑介质被认为是超弹性的，而肿瘤则由弹性系数表示。 所需的库/平台 特色 scikit学习 麻木 科学的 matplotlib

为改善一阶段目标检测算法检测精度较差的缺陷，提出一种基于SSD的高效多目标定位检测算法FSD。该算法主要从两个方面对一阶段目标检测算法进行改进：设计了一个更高效的密集残差网络，即R-DenseNet，通过采用一种更窄的密集网络结构形式，在保持特征提取容量的同时降低了计算复杂度，从而提高了算法的检测和收敛性能；改进了损失函数，通过抑制易分样本在损失函数中的权重，提高算法的鲁棒性，改善了目标检测中样本失衡的现象。采用Tensorflow深度学习框架部署网络，并在搭载Nvidia Titan X的Ubuntu上开展实验，实验表明FSD在COCO和PASCAL VOC这两个目标检测数据集上上都取得了最高的检测精度，其中FSD300D的检测精度相比SSD300有3.7%提升，检测相率比SSD有10.87%提升。

本书根据笔者多年经验，围绕程序化交易广告，尤其是DSP广告的相关概念、投放效果分析以及平台选择等问题，用真正甲方听得懂的语言，结合真实案例阐述明白“DSP广告到底是什么”“DSP广告的前世今生是怎么样的”“琳琅满目的DSP平台要如何挑选”“如何保证DSP广告投放效果”等甲方非常关心的问题。推荐各企事业单位以及公司领导负责人，营销市场部门负责人及从业人员以及广泛意义上的所有甲方阅读。 　　 　　总之，这是一本可以帮助广大甲方真正了解DSP广告并协助其在推广平台的选择与实操上去伪存真的实战宝典。 　　 　　同时为了利于读者的吸收和理解，本书将会借鉴美式脱口秀的风格和写作思路，将艰深枯燥的内在原理和逻辑以幽默示例的形式表现出来，提高本书的可读性和趣味性。

包含一个函数，参数为链表表头地址，返回经过处理的新的链表表头地址。该函数将一个按照升序排列的链表中的重复元素删除，时间复杂度为（n）

复杂网络的鲁棒性度量R的高效计算

教你高效绘制价值流图(VSM).pptx

伯乐（RecBole） “世有伯乐，然后有千里马。千里马常有，而伯乐不常有。”-韩愈《马说》 | | | RecBole是基于Python和PyTorch开发的，用于在统一，全面，高效的框架中再现和开发推荐算法，以用于研究目的。 我们的库包含65种推荐算法，涵盖了四个主要类别： 一般建议 顺序推荐 情境感知推荐 基于知识的推荐 我们设计了统一而灵活的数据文件格式，并为28个基准推荐数据集提供了支持。 用户可以应用提供的脚本来处理原始数据副本，或者简单地由我们的团队下载处理后的数据集。 图片：RecBole总体架构 特征 通用和可扩展的数据结构。 我们设计通用和可扩展的数据结构，以统一

两个DataGridView通过委托实时传值，安全高效 C# 两个窗体之间实时传递数据的实例。利用委托和事件的方法，从子窗体传送数据到主窗体。比较安全。

利用GRS(generalized reed-solomon)码的生成多项式提出了基于改进的2-D GRS(two-dimensional GRS)码设计和构造QC-LDPC(quasi-cyclic low density parity-check)码的方法，使所构造的码具有较好的译码性能。同时在码的构造过程中，考虑到了准双对角线结构和合适的度分布。不同码率的LDPC码用于和新设计的QC-LDPC码进行测试和比较。实验结果表明，所提出的码构造方法可加快LDPC码校验矩阵的构造，同时基于所提出方法构造的QC-LDPC码可提高译码性能，并降低编码复杂度。

使用数值方法求解机器人运动计划，以解决最佳控制问题。 规划可以采用运动学约束（例如位置、速度、加速度、加加速度边界）、动力学约束（例如机器人刚体动力学包括重力、离心力和科里奥利力、惯性力、关节扭矩限制，甚至扭矩变化率限制），以及碰撞避免考虑在内。 解决时间在几秒钟内。 详细信息参见出版物：“机器人运动规划的高效轨迹优化”，Yu Zhao、Hsien-Chung Lin、Masayoshi Tomizuka，ICARCV 2018。 有关可用演示的列表，请参阅https://github.com/yzhao334/Efficient-Trajectory-Optimization-for-Robot-Motion-Planning--Examples 。 所需软件包：chebfun、CasADi。 包中包含的其他依赖项（STLRead 和 STLWrite）