YAXBPC 是一种旨在帮助 xdelta3 用户快速轻松地创建补丁的工具。 它是由 fagsubber 为 fagsubbing 设计的，但通用用法也很好。 要求：.Net Framework 2.0 (Windows) 或 Mono (Linux/Mac)。 如果您想在 Linux/Mac 中运行 YAXBPC，还需要 xdelta3 包。 YAXBPC 在 Apache 许可版本 2.0 下获得许可。 所有的错误都留给我； 您可以使用正确的部件。 最新的开发源代码可以在这里访问：https://github.com/dreamer2908/YAXBPC

el-tree-table 简介 el-tree-table组件基于vue和element-ui，在 的实现基础上增加一些新特性。 并在此声明treetable的业务实现再来上述开源项目，如有冒犯，请及时联系。 共同依据element-ui的写成。 扩展主要包括：显示边框、固定高度、显示复选框、复选框选中是否遵循父子关联、复选框禁用条件。 - 这里有一个兄弟组件-树形穿梭框： - 快速上手 npm i @weilan/el-tree-table --save 或 npm i @weilan/el-tree-table -S import TreeTable from '@weilan/el-tree-table' Vue.use(TreeTable) 示例 <treeTable :data="tree_table" :columns="columns" checkBox expandAl

基于QEMU的API转发虚拟化 基于QEMU的OpenGL的API转发虚拟化

SystemVerilog enhances assertion-based verification.pdf

matlab求逆代码用于地震阻抗反演的卷积神经网络 用于地震阻抗反演的卷积神经网络 论文参考： Das, V.、A. Pollack、U. Wollner 和 T. Mukerji，2019 年，用于地震阻抗反演的卷积神经网络：地球物理学，84(6)，1-66。 () -- 文件夹 ABC_uncertainty 包含使用近似贝叶斯计算对不确定性量化所做的工作。 Jupyter 笔记本 CNN_impedance_inversion-ABC.ipynb 包含所有与计算相关的代码。 -- 文件夹 Challenge_testing_Facies_variograms 是包含所有输入和输出数据的示例文件夹之一，用于使用相变函数中的垂直范围的不同值执行挑战测试。 Jupyter 笔记本 CNN_impedance_inversion.ipynb 包含所有与计算相关的代码。 使用以下 MATLAB 脚本和 SGEMS () 软件生成挑战测试的合成训练数据集。 GetDifferentVariograms_Step0.m - 使用不同的输入变异函数范围值准备 SGEMS 脚本的 Matlab 脚

LBNL 基于物理的入侵检测 Bro 模块 该目录包括几个物理系统的基于 C 的模拟和/或网络流量跟踪，以及一组 Bro 和 Broccoli 签名，用于分析与物理系统的通信并将该通信的影响与设备的物理模拟进行比较。 监控系统是使用。 每个场景有两个主要的 Bro 模块。 网络模块 - 监控不需要任何物理系统知识的网络活动 物理模块 - 具有系统物理和物理限制的特定知识，并在此基础上保护系统。 我们注意到模块化设计是有意的，原因有两个： 首先，虽然这些示例本身可能很有用，但它们主要是为了说明某些类型的物理系统以及如何开发 Bro 脚本来监视这些系统。 该设计可用作开发脚本以监控其他物理系统的模板。 我们是否希望足够大的此类模板库可用于快速开发基于物理的 Bro 脚本。 在此期间，它们旨在成为开发的代表性示例。 其次，虽然我们个人认为 Bro 代表了监控网络活动的绝佳环境，而 Br

CSerialPort 语言： / 中文 基于C++的轻量级开源跨平台串口类库，可以轻松实现跨平台多操作系统的串口读写 Design Principles 设计原则 跨平台 简单易用 高效 Platform 平台 CSerialPort已经在以下平台做过测试: DOS ( x86_64 ) Windows ( x86_64 ) Linux ( x86_64, aarch64, mips64el, s390x, ppc64le ) macOS ( x86_64 ) Raspberry Pi ( armv7l ) FreeBSD ( x86_64 ) ... Todo List 待处理事项 Strategic Goal 战略目标 1.首先支持windows和linux平台 2.增加通用串口通信协议 3.支持热插拔 4.更高效的通知模块 5.支持其他语言，如C, C#, Python,

基于视觉的机器人抓取：论文和代码 抓取目标对象的基本信息是相机坐标中的6D抓取器姿势，其中包含3D抓取器位置和3D抓取器方位以执行抓取。 在基于视觉的机器人抓握方法中，针对6D抓取器姿势的估计针对不同的抓取方式而有所不同，可将其分为2D平面抓取和6DoF抓取。 2D平面抓取意味着目标对象位于一个平面工作空间上，并且抓取从一个方向进行约束。 基本信息从6D简化为3D，即2D平面内位置和1D旋转角度。 存在评估抓握接触点的方法和评估抓握取向的矩形的方法。 6DoF抓取意味着抓取器可以在3D域中从各个角度抓取对象，并且无法简化6D抓取器的基本姿势。 根据是在完整形状还是在单视图点云上进行抓取，将方法分为基于局部点云的方法和基于完整形状的方法。 基于局部点云的方法包含估计候选握法的方法和从现有握法数据库转移握法的方法。 基于完整形状的方法包括估计6D对象姿态的方法和形状完成的方法。 当前的大多

手册是 Rockwell 关于PackML应用指导，前面介绍了运动控制的设计，接线，编程等必要信息，附录具体介绍了PackML编程应用。 State model programming provides a way to execute processing procedures based on machine conditions, but independent of the direct equipment control logic. This is an essential component to modular programming. The PackML 3.0 state model, a recognized standard in the packaging segment, is implemented in this example using an Add-On Instruction (AOI) that manages from 1…32 modes, each having its associated instance of the state model. The states may be enabled and disabled as required depending on the needs of the mode.

一个全 Java J2EE 家庭气象站和网站项目。 当前基于 Davis Weather Monitor II，但将发展为支持其他设备、服务器和数据库。 该项目已发展为完全开发的 Runy on Rails 解决方案。