矿泉水瓶分类deep learning代码和数据，pytorch，对不同品牌的水瓶进行识别分类，通过三种模型，resnet18，迁移学习的resnet18，和bilinear cnn 模型。

时间序列 Matlab代码和数据，教程

线性规划 Matlab代码和数据，教程

python深度学习代码和数据集.iso

matlab alexnet图像识别代码该软件包包含用于在以下工作中进行实验的代码： A. Bendale，T。Boult“” IEEE计算机视觉和模式识别会议（CVPR），2016年 作者：Abhijit Bendale（）Terrance Boult（）视觉和安全技术实验室，科罗拉多大学，科罗拉多斯普林斯分校 引用本文 @InProceedings{bendale-boult-cvpr2016, title={Towards Open Set Deep Networks}, author={Bendale, Abhijit and Boult, Terrance}, booktitle={Computer Vision and Pattern Recognition (CVPR), 2016 IEEE Conference on}, year={2016}, organization={IEEE} } 该代码按“原样”提供，没有任何保证。 请参阅COPYRIGHT.txt和libMR / COPYRIGHT_Libmr.txt，以获取有关许可和使用限制的更多详细信息。 该软件包分为

介绍了一种多层网络的传播模型，里面包含相关代码和数据集。

视频图matlab代码 主页： 论文“基于全局时间表示的CNN用于红外动作识别”的代码 抽象的 红外人体动作识别具有许多优点，即它对光照变化，外观变化和阴影不敏感。 现有的用于红外动作识别的方法要么基于空间信息，要么基于局部时间信息，但是并未考虑能够更好地描述整个视频中身体部位运动的全局时间信息。 在这封信中，我们提出了一种新颖的全局时间表示形式，称为光流堆叠差异图像（OFSDI），并通过综合考虑局部，全局和空间时间信息，从红外行动数据中提取了鲁棒且具有判别力的特征。 由于红外行动数据集的规模较小，我们首先将CNN分别应用于局部，空间和全局时间流，以从原始数据中获取有效的卷积特征图，而不是直接训练分类器。 然后，通过轨迹约束池将这些卷积特征图聚合为有效的描述符，该描述符称为三流轨迹合并的深度卷积描述符（TSTDD）。 此外，我们通过使用局域约束线性编码（LLC）方法提高了这些功能的鲁棒性。 利用这些功能，在我们的方案中采用线性SVM对动作数据进行分类。 我们对红外动作识别数据集InfAR和NTU RGB + D进行了实验。 实验结果表明，该方法优于具有代表性的最先进的手工特征和基于深度

比如说分析气机功率与蒸汽压力设定值的关系、蒸汽流量（压力）与氧含量设定值的关系、炉膛温度与空燃比上下限的关系等等！查看各变量之间相互影响！

轴承matlab代码热带地区的弧线与大陆的碰撞确定了地球的气候状态 该存储库包含与以下论文相关的数据和代码： FM麦克唐纳（FM），荷兰斯旺森·海塞尔（Swanson-Hysell），宾夕法尼亚州Y.，利西基（Lisiecki）和俄克拉何马州Jagoutz（2019）热带地区的弧大陆碰撞使地球的气候状态达到了科学10.1126 / science.aav5300 代码说明 古地理分析与计算代码 在主存储库文件夹中有一个名为suture_analysis.ipynb的Jupyter笔记本，其中包含利用缝合线编辑和古地理模型进行分析并开发与研究相关的可视化效果的代码。 该笔记本依赖于与本研究一起开发的recon_tools.py函数库，该函数库也位于主存储库文件夹中。 该代码以及笔记本的代码均依赖于pyGPlates模块（），该模块支持使用Python以编程方式访问GPlates软件包的功能。 除了需要在本地安装并添加到Python路径的pyGPlates模块外，计算环境在suture_analysis.yml文件中指定。 LIP_analysis.ipynb也使用pyGPlates和re

matlab三维张量分解代码DTF：预测抗癌药物协同作用的深层张量分解 这些是代码和数据，主要用于该项目，该项目使用深张量因子分解来预测抗tic子药的协同作用。 我在这里使用的唯一数据集是38种药物和39种细胞系的药物协同作用数据，这些数据是根据ONeil等人的研究得出的。 为了实现DTF模型，首先，我使用R预处理原始数据以构建张量，然后将其用于Python和MATLAB 。 对于某些特定的细胞系，对相同的药物对进行了多次实验。 为了构建三维（3D）药物-细胞-细胞系张量，我们对相同药物-药物对的这些分数取平均值。 结果张量在data_sets文件夹中提供。 为了在matlab中分解张量，我使用和。 张量分解的结果以因子矩阵的形式提供。 python代码主要涉及如何根据Matlab的输出生成特征，并给出了构建最终DTF模型以对缺失药物组合进行预测的代码。 注意，为了方便编程，将每种药物组合编码为一个索引。 具体来说，我使用公式：drug_A_index + drug_B_index * 38 + cell_line_index * 38 * 38来编码药物组合。 因此，我可以解码索引以