Keras Weight Animator 在训练过程中将keras权重矩阵保存为短动画视频

resnet_50_new：使用resnet 50权重进行图像分类

YOLOv5火焰识别结果权重文件，模型为YOLOv5s.pt，版本五的项目代码，训练类别为fire，有需要的可以下载

PyTorch图像模型，脚本，预训练权重-（SE）ResNet / ResNeXT，DPN，EfficientNet，MixNet，MobileNet-V3 / V2 / V1，MNASNet，单路径NAS，FBNet等更多PyTorch图像模型等2020年11月11日，变更组合：DenseNet模型已更新，其中包括从Torchvision中提高了内存效率（修复了错误），模糊池和深茎添加，增加了VoVNet V1和V2模型，将39 V2变体（ese_vovnet_39b）训练为79.3 top-1激活工厂以及新的激活：选择在模型创建时执行操作，以便在使用与添加了脚本或跟踪（ONNX导出）hard_mish（实验性）兼容的激活时更加灵活

大会 这是论文“ 的论文“使用具有权重分布的自适应伽玛校正有效对比度增强”的MATLAB实现代码。 此方法可增强图像的对比度 输入： -input_image: can be either gray image or colorful image -parameter : (optional) weighting parameter for the histogram can be [0,1]. Default is 0.5 输出： -enhanced_image: the result image after applying AGCWD contrast enhancement

YOLO_V5的官方预训练权重，包含S、M、L、X四个模型。

该代码执行逆距离加权 (IDW) 多元插值，即通过使用来自通常分散的一组已知点的值将值分配给未知点的过程。 该代码需要已知点 (xc,yc,vc) 的坐标向量和变量值，并通过反距离加权 (IDW) 多变量插值计算由坐标 (xc,yc,vc) 描述的未知点的向量或矩阵 (Vint) 的变量值 ( x,y)。 该代码允许改变距离权重 (e) 并通过固定半径或邻居数量方法考虑一定数量的邻居。

函数 Fint = idw(X0,F0,Xint,p,rad,L) 反距离权重函数基于采样点。 Fint = idw(X0,F0,Xint) 使用输入坐标 X0 和输入值 F0 其中 X0 是由 N 个样本和 M 个变量组成的 N × M 输入矩阵。 F0 是 N 个响应的向量。 Xint 是一个 Q × M 的坐标矩阵插值。 Fint 是 Q 内插值的向量。 Fint = idw(X0,F0,Xint,p,rad) 使用功率 p（默认 p = 2）和半径弧度（默认弧度 = inf）。 Fint = idw(X0,F0,Xint,p,rad,L) 使用 L 距离。 默认 L=2 （欧几里德范数）。 例子： X1 = [800; 2250; 3250; 2250; 900; 500]； X2 = [3700;4200;5000;5700;5100;4900]; F = [13.8

针对多目标优化过程中如何根据个人偏好确定各目标权重的问题, 提出一种约束优化方法以获得各目标的最佳权重. 首先, 将目标权重计算问题转化为综合适应度最大方差计算问题; 然后, 将个人偏好转化为最大方差问题不等式约束条件; 最后, 利用遗传算法和梯度投影法求解约束优化问题以获得最佳的目标权重. 在电力机车故障维修策略决策过程中应用该算法计算各部件经济性、安全性等目标权重, 实验结果验证了所提出方法能够获得满足个人偏好的最佳目标权重.

我们使用 Chu-Liu/Edmonds 算法的思想，见论文 [1,2]，在这里实现四个功能。 1.最大有向最大生成树通过 DirectedMaximumSpanningTree.m 2. 最小有向最大生成树作者：DirectedMinimalSpanningTree.m 3.最大有向最大生成森林作者：MaximalDirectedMSF.m 4. 最小有向最大生成森林由 MinimalDirectedMSF.m 可以从“ControlCenter.m”开始，这里是一个简单的例子和​​如何使用代码的解释。 对于高级用户，我也通过mex编程改进了代码，它能够处理数据集中超过1000个变量，检查名为：AdvanceUser的折叠如果有任何问题，请告诉我，我会尽快帮助您。 注意：mex 编译器应该在你的 matlab 中准备好了。 [1] YJ Chu 和 TH Liu，“关于有向图的最短