Runtastic Heart Rate 心率测量 v1.3 版本:1.3软件语言:中文软件类别:医药 软件大小:8.22 MB适用固件:2.2及更高固件 内置广告:有广告适用平台:Android 软件介绍 随时检查你的心率 - 当你醒来时,在训练后,或在一个大的会议开始前. 这款Runtastic Heart Rate App能通过你的智能手机上的照相机很精准地测出你的心跳! 功能: * 通过智能手机上的照相机测量你的心率 * 以图表形式显示心率测量结果 * 多种测量形式 - 静息心率 - 最高心率 - 健身前后心率 * 上传测量结果到runtastic 健身网站www.runtastic.com,并对测量结果保存,分析 * 把你的测量结果分享到社交网络 - Google+ - Facebook - Twitter - 邮件 使用小贴士: * 把你的食指轻放在手机背面的摄像头上 * 不要太用力按, 否则血液循环会不精确而影响测量结果 * 保持镇静, 测量时身体不要过多移动,这个会影响测量结果 * 不要用冰凉的手指进行测试,因为血液循环不好会让测量结果不准确 * 如果你使用的智能手机没有闪光灯, 为测量结果的准确,请确认处在一个照明良好的地方
2021-12-24 14:59:18 8.22MB 药品指南 医药软件 症状查找 寻根问药
1
这是由美国联邦调查局经济数据库(FRED)托管的美国人口普查局的数据集。 CARVAC.csv CTRVAC.csv FLRVAC.csv MARVAC.csv MNRVAC.csv MORVAC.csv NJRVAC.csv NYRVAC.csv rental-vacancy-rate-for-california_metadata.json rental-vacancy-rate-for-connecticut_metadata.json rental-vacancy-rate-for-florida_metadata.json rental-vacancy-rate-for-massachusetts_metadata.json rental-vacancy-rate-for-minnesota_metadata.json rental-vacancy-rate-for-missouri_metadata.json rental-vacancy-rate-for-new-jersey_metadata.json rental-vacancy-rate-for-new-york_metadata.json rental-vacancy-rate-for-texas_metadata.json rental-vacancy-rate-for-the-united-states_metadata.json rental-vacancy-rate-for-the-united-states_metadata_1.json rental-vacancy-rate-for-utah_metadata.json RRVRUSQ156N.csv TXRVAC.csv USRVAC.csv UTRVAC.csv
2021-12-22 09:17:48 10KB 数据集
1
一种用于对心率变异性(时域,频域和非线性动态)进行全面分析的软件,用于研究目的,我希望能提高Holter ECG记录的诊断能力。
2021-12-01 06:24:22 423KB 开源软件
1
在Pytorch中使用RNN进行全分辨率图像压缩 其中包含[ ]中所述的用于使用递归神经网络进行vFull分辨率图像压缩的pytorch模型以及许多其他简单模型。 训练 运行main.py -m [型号名称] --epochs [epochnums] --lr [学习率]
2021-11-30 10:44:40 8.81MB Python
1
MAX86150将ECG和SPO2集成在单个芯片上,为计算脉搏传播时间和间接血压提供了新的机会。
2021-11-23 14:44:25 324KB ecg healthcare heart rate
1
PCM调制方式,仿真误码率与实际误码率一致
2021-11-21 19:20:37 1KB PCM error rate
1
权重衰减(weight decay)与学习率衰减(learning rate decay)
2021-11-15 09:55:20 64KB
1
使用CIFAR数据集进行残留网络实验。 更新(2018/06/15) 我们使用了一种称为HTD的新学习率调度程序。 您可以在或在我们的玩具演示代码。 原始存储库 该存储库是关于CIFAR-10和CIFAR-100的学习率的一些实验。 原始论文以0.1的学习率开始,在32k( 81 epoch )和48k( 122 epoch )迭代中将其除以10 ,并在64k迭代(总共200 epoch )时终止训练。 我基于相同的架构进行了其他实验。 唯一的区别是学习率时间表。 所有张量板日志和预训练模型都可以在 怎么跑 您可以运行脚本run.sh来启动所有实验。 或仅运行以下命令: python3 ResNet_keras.py --epochs 200 --stack_n 3 --lr_scheduler 1 --dataset cifar100 实验的准确性 如有任何疑问,请随时与我联
2021-11-13 18:59:29 458KB tensorflow keras resnet learning-rate
1
固体激光器被动条调Q rate_eq.m
2021-11-09 17:09:23 511B 固体激光器 可饱和吸收体
1
目前最新的HEVC官方版本(version 1 - date 2013-04-09 23:16:58)
2021-10-29 21:28:52 175KB BD-rate
1