layer是一款近年来备受青睐的web弹层组件,她具备全方位的解决方案,致力于服务各水平段的开发人员,您的页面会轻松地拥有丰富友好的操作体验。 一、使用时,请把文件夹layer整个放置在您站点的任何一个目录,只需引入layer.js即可,除jQuery外,其它文件无需再引入。 二、如果您的js引入是通过合并处理或者您不想采用layer自动获取的绝对路径,您可以通过layer.config()来配置(详见官网API页) 三、jQuery最低要求1.8 四、更多使用说明与演示,请参见layer官网。
2023-02-26 23:56:59 40KB layer 弹层组件 div弹出层 弹窗插件
1
基于记忆效应的散斑解卷积法是近几年提出的一种可以实现透过散射介质层成像的方法。可用于散斑解卷积法的算法有很多,但具体的对比分析工作却鲜有报道。设计并搭建了基于记忆效应的透过散射层成像的光学系统,对探测到的散斑进行解卷积计算,并重建出对象图像。在重建过程中,分别使用互相关解卷积算法、维纳滤波算法、正则化解卷积算法以及Lucy-Richardson算法进行解卷积计算。对不同算法重建的图像进行了多个图像质量评价指标的计算。综合图像质量和计算时间,发现互相关解卷积算法在透过散射层成像的应用中具有最大优势,并从原理上进行了简要的解释。
2023-02-26 11:06:11 5.99MB 成像系统 解卷积 散斑 透过散射
1
ArcGIS工具箱安图层分离数据toolsbox,直接在toolsbox加载工具,批量按属性拆分图层数据
2023-02-25 21:15:15 7KB 工具
1
五层电梯PLC五层电梯PLC程序,完整的五层电梯PLC程序,完整的五层电梯PLC程序,完整的五层电梯PLC程序,完整的五层电梯PLC程序,完整的五层电梯PLC程序,完整的五层电梯PLC程序,完整的
2023-02-25 16:25:28 6KB plc 西门子
1
在设计多层PCB 电路板之前,设计者需要首先根据电路的规模、电路板的尺寸和电磁兼容 (EMC)的要求来确定所采用的电路板结构,也就是决定采用4 层,6 层,还是更多层数的 电路板。确定层数之后,再确定内电层的放置位置以及如何在这些层上分布不同的信号。这 就是多层PCB 层叠结构的选择问题。层叠结构是影响PCB 板EMC 性能的一个重要因素,也 是抑制电磁干扰的一个重要手段。本节将介绍多层PCB 板层叠结构的相关内容
2023-02-25 13:54:10 786KB PCB
1
当提供不适当的参数或将其应用于由具有不同形状,大小和密度的聚类组成的数据集时,大多数聚类算法将变得无效。 为了缓解这些不足,我们提出了一种新颖的拆分合并层次聚类方法,其中采用最小生成树(MST)和基于MST的图来指导拆分和合并过程。 在分割过程中,选择基于MST的图中具有高度的顶点作为初始原型,并使用K均值来分割数据集。 在合并过程中,将对子组对进行过滤,并且仅考虑相邻对。 所提出的方法除了簇数以外不需要任何参数。 实验结果证明了其在合成和真实数据集上的有效性。
2023-02-25 08:54:26 1.76MB Data sets; Hierarchical clustering
1
奥维谷歌高清图层 谷歌地图 奥维地图添加谷歌地图 奥维最新图源 奥维互动地图谷歌图源 谷歌卫星 谷歌地图2023最新图源 奥维图源 天地图 免费图源 图层 免费图层 谷歌高清 谷歌地球 奥维2023 谷歌2023 天地图2023
2023-02-24 10:16:53 511B 奥维 谷歌 图源 天地图
1
.Net Core2.1三层架构,使用SqlSugar对SqlServer数据进行数据交互,实现增、删、改、查
2023-02-23 22:40:58 1.3MB .NetCore SqlSugar 三层架构 SqlServer
1
基于人工神经网络(ANN)技术,采用MATLAB作为开发平台,建立了激光熔覆参数与熔覆层特征及性能之间的关系模型。模型以激光功率、扫描速度、光斑直径、涂层成分配比作为输入参数,以熔覆层硬度、熔覆层宽度和高度作为输出参数,对熔覆层的特征与性能进行了预测。结果表明,该模型的平均误差较小,网络训练后检验精度较高,具有较好的预测能力。该模型能够用于预测铝合金表面激光熔覆层的特征与性能。
2023-02-23 18:33:09 1007KB 激光技术 激光熔覆 铝合金 人工神经
1
之前在用预训练的ResNet的模型进行迁移训练时,是固定除最后一层的前面层权重,然后把全连接层输出改为自己需要的数目,进行最后一层的训练,那么现在假如想要只是把 最后一层的输出改一下,不需要加载前面层的权重,方法如下: model = torchvision.models.resnet18(pretrained=False) num_fc_ftr = model.fc.in_features model.fc = torch.nn.Linear(num_fc_ftr, 224) model = nn.DataParallel(model, device_ids=config.gpus).to
2023-02-23 15:08:06 31KB c OR resnet
1