计算机视觉Github开源论文

用知云文献翻译加上自己的一些理解翻译的Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields这篇论文

深度学习已逐渐应用于机械加工状态监测领域。但是，目前只能进行单任务预测，这会增加实验成本，浪费数据集，重复工作。提出了一种基于深度信念网络(DBN)的多任务学习方法，可用于刀具磨损状况和零件表面质量的预测。将DBN网络最后几个隐含层的单任务数据传输改进为多任务并行数据传输，使改进后的DBN能够实现多任务学习。多任务学习模型的损失函数定义为所有单个任务损失函数的加权和。通过改变损失函数的相应系数，可以调整相应任务的重要性。此外，多任务深度学习方法可以实现信息共享，抑制过拟合，提高预测精度，减少计算时间。结合上述改进，建立了刀具磨损与零件表面质量的多任务模型。在KVC850M三轴立式加工中心上进行了实验验证。结果表明，该多任务预测模型用于刀具磨损预测的准确率为97.59%，用于零件表面质量预测的准确率为92.66%。

PPPH: A MATLAB-based software for multi-GNSS precise point positioning analysis 带使用说明书，带论文。 MATLAB代码

多标记常用的实验数据集

Partial Multi-Label Learning常用数据集

读的一些关于multi-label 和 partial label learning，以及partial multi-label等的笔记

1. 为频段输入较低和较高的频率。 2. 输入您想要的运营商号码。 3. 按照步骤 2 划分频段。 4. 执行 F M。

Mulan是Weka的一个扩展，可以支持多标签的数据挖掘，并且包含各种算法，算法里面还标注了作者和对应的论文，是数据挖掘必备工具！

Sphinx HTML 多个版本 这是一个简单的 Python 模块和 Sphinx 布局模板，用于启用文档树的多个版本浏览。 文件夹结构 假设以下文件夹结构（有关实际example/src/请参见example/src/目录）： . ├── 1.0 │   ├── conf.py -> ../conf.py │   ├── index.rst │   ├── _static -> ../_static │   └── _templates -> ../_templates ├── 2.0 │   ├── conf.py -> ../conf.py │   ├── index.rst │   ├── _static -> ../_static │   └── _templates -> ../_templates ├── conf.py ├── sphinx_html_multi_ve