三重态SemiHardLoss PyTorch半硬。基于可在找到的tensorflow插件版本。无需使用此实现来创建暹罗体系结构，就像创建main_train_triplet.py cnn创建过程一样简单！ 对于具有N_CLASSES >> N_SAMPLES_PER_CLASS的分类问题，三元组损失是一个不错的选择。例如，人脸识别问题。 在分类层之前，我们需要切断具有三重态损失的CNN架构。另外，必须添加L2归一化层。 MNIST上的结果 我在MNIST数据集上测试了三重态损失。我们无法直接与TF插件进行比较，因为我没有进行实验，但是从性能的角度来看这可能很有趣。如果您想比较结果，这是训练日志。准确性无关紧要，因为我们不训练分类模型，所以准确性不应该存在。 阶段1 首先，我们训练最后一层和批次归一化层，使验证损失接近0.079。 阶段2 最后，解冻所有层，经过足够的训练和超参数调整

这项工作包括 8 个不同版本的二元粒子群优化 (BPSO) 算法。 其中六个使用新的传递函数，分为两个系列：s 形和 v 形。 表现出最高性能的 V4（在 BPSO8 中）传递函数称为 VPSO，强烈建议使用。 主要论文：S. Mirjalili 和 A. Lewis，“二元粒子群优化的 S 形与 V 形传递函数”，Swarm 和进化计算，第一卷。 9, pp. 1-14, 2013. 链接： http : //www.sciencedirect.com/science/article/pii/S2210650212000648 我有很多这方面的相关课程。 您可以通过以下链接注册，享受 95% 的折扣： ****************************************************** *************************************

CEC2013基准测试函数集 包含cpp版本和matlab版本

缩图工具 使用的缩略图生成器示例。 这是一个简单示例，说明如何在笔记本电脑上构建类似于AWS Lambda的功能。 依存关系 依赖关系由使用npm install管理。 npm install 配置 请使用您的本地参数编辑config/development.json ，当前示例指向 本示例仅适用于使用扩展API的Minio服务器 跑步 配置完成后，继续运行。 node thumbnail.js Listening for events on " images " 现在使用mc上传图片 mc cp ./toposort/graph.jpg play/images/ ./toposort/graph.jpg: 34.29 KB / 34.29 KB ┃▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓

Log-Gabor-Filter：对数-Gabor过滤器

尽管之前已经有在 Simulink 中解决 DAE 的示例，但没有通过 S-function 解决 DAE 的文档。 此示例使用名为 HB1_DAE_sfun.m 的 S 函数解决 Simulink 中的 Robertson 问题（僵硬）。 结果与 hb1dae.m 进行了比较，后者是一个基于文本的版本，可用作 MATLAB 的示例。

101个Python基础知识练习 基本原理 101练习作为一种自测工具存在，用于学习Python基础知识，包括数据类型，运算符和编写用户定义的功能。 还有一些练习，用于练习诸如列表，字典和集合之类的集合。 在线使用101个练习（由于托管，因此无需设置/安装） 转到 依次转到文件和“将副本保存到云端硬盘”，将您的工作保存到Google云端硬盘 在本地使用101个练习（运行速度更快，加载速度更快） 下载此存储库的.zip或执行git clone git@github.com:ryanorsinger/101-exercises.git 101-exercises.ipynb是交互式Jupyter笔记本。 如果您需要安装Jupyter的帮助，请访问 101-exercises.py是包含相同指令和断言的Python脚本（如果您更喜欢.py脚本）

密码学经典之作，王晓云博士经典论文“How to Break MD5 and Other Hash Functions ”，想对MD5加密解密、哈希散列深入了解一下的可以看一看

这是针对这篇论文做的PPT，PPT下有备注，可以帮助更详细地理解，需要和AutoSF论文翻译互相补充着看

这本书是一本数学函数的合集，介绍函数的性质。为信息安全和算法分析中估算等提供帮助。