该书是对基于点的图像绘制的系统描述。我看这上面没有就传上来。低分分享

在很少或没有监督的情况下学习有用的表示是人工智能的一个关键挑战。我们深入回顾了表示学习的最新进展，重点关注基于自编码器的模型。为了组织这些结果，我们使用了被认为对下游任务有用的元先验，比如特征的解缠和分层组织。特别地，我们揭示了三种主要机制来执行这些特性，即(i)正则化(近似或聚集)后验分布，(ii)分解编码和解码分布，或(iii)引入结构化的先验分布。虽然有一些有希望的结果，隐性或显性监督仍然是一个关键的促成因素，所有当前的方法使用强烈的归纳偏差和建模假设。最后，我们通过率失真理论分析了基于自编码器的表示学习，并明确了关于下游任务的现有知识量和表示对该任务的有用程度之间的权衡。

ROS Qt Deskotp GUI App 简体中文 | 使用qt5实现ros机器人人机界面 注意！未经作者的许可，此代码仅用于学习，不能用于其他用途。 本仓库以分支的形式，长期维护各种有趣的ROS 可视化项目，持续更新中..... 欢迎在issues提交bug 注意！主分支（master）已不再维护librviz功能，使用Qt自行绘制实现一些图层显示，如需librviz功能请切换分支或 一，菜单 二，安装教程 1，首先安装ros对qt pkg的支持（非必须） melodic需要换成自己的ROS版本号 sudo apt-get install ros-melodic-qt-create sudo apt-get install ros-melodic-qt-build 2,安装Qtmultimedia5依赖 程序依赖Qtmultimedia实现音频功能，因此需要安装依赖 sudo apt

PPPH: A MATLAB-based software for multi-GNSS precise point positioning analysis 带使用说明书，带论文。 MATLAB代码

这个 mfile 在最/最不重要的位平面中放置了一个二进制标志，作为水印！

河流水质实时评价技术对当前河流水资源管理和保护具有重要意义。本文以淮河水质为例，利用粒子群优化的极限学习机（Particle Swarm Optimization-Extreme Learning Machine，PSO-ELM）分类算法对淮河水质进行类别判定。在极限学习机（ELM）分类算法中随机给定输入权值矩阵和隐含层偏置，需要较多的隐含层节点才能达到所需的精度要求，隐含层节点过多易于出现过拟合现象并增加算法的计算量。本文利用粒子群算法(PSO)优化极限学习机的输入权值矩阵和隐含层偏置，计算输出权值矩阵，以减少隐含层节点。通过对比PSO-ELM、ELM这两种算法发现，PSO-ELM算法以较少的隐含层节点可获得更高的精度，降低了对实验样本的需求量，提高了模型的拟合能力。实验结果表明，PSO-ELM对于水质类别判定具有一定的可行性和有效性。

rolling-bear-fault-diagnosis-based-wavelet-time-frequency-map-and-CNN The wavelet time-frequency map is obtained from the original vibration signal, and then input into CNN to realize fault diagnosis, the test set has the highest diagnostic accuracy 在matlab和pytorch0.4下，通过matlab对原始振动信号求取小波时频图，然后输入进pytorchCNN实现故障诊断，测试集诊断精度最高达99.5%。代码出售的、出售的、出售的，需要的加qq2919218574.详细见我的博客： 小波时频数据为：链接: 提取码: xhqz

In this paper, we focus on the problem of motion tracking in unknown environments using visual and inertial sensors.We term this estimation task visual-inertial odometry (VIO), in analogy to the well-known visual-odometry problem. We present a detailed study of EKF-based VIO algorithms, by comparing both their theoretical properties and empirical performance. We show that an EKF formulation where the state vector comprises a sliding window of poses (the MSCKF algorithm) attains better accuracy, consistency, and computational efficiency than the SLAM formulation of the EKF, in which the state vector contains the current pose and the features seen by the camera. Moreover, we prove that both types of EKF approaches are inconsistent, due to the way in which Jacobians are computed. Specifically, we show that the observability properties of the EKF’s linearized system models do not match those of the underlying system, which causes the filters to underestimate the uncertainty in the state estimates. Based on our analysis, we propose a novel, real-time EKF-based VIO algorithm, which achieves consistent estimation by (i) ensuring the correct observability properties of its linearized system model, and (ii) performing online estimation of the camera-to-IMU calibration parameters. This algorithm, which we term MSCKF 2.0, is shown to achieve accuracy and consistency higher than even an iterative, sliding-window fixed-lag smoother, in both Monte-Carlo simulations and real-world testing. I

学术文章：context-Based Adaptive Binary Arithmetic Coding in the H.264/AVC Video compression standard，作者：Marpe，Detlev，Schwarz，2003年发表于《IEEE Transactions on Circuits & Systems for Video Technology》

基于深度学习的机械故障诊断 CNN用于机械故障诊断 这些代码用于两篇论文：“基于基于原始传感信号的卷积神经网络的滚动轴承故障智能诊断”（paper_1）和“基于以振动信号的二维表示作为输入的基于卷积神经网络的轴承故障诊断”（paper_2） ）。 先决条件，Matlab 2013a，Python 2.7.11，Tensorflow（在ubuntu14.04中更好）。 首先，您应该运行image_matrix.m来准备自己的数据。 其次，应该使用disorder_images.py和input_bear_data.py将数据变形为张量流的输入格式。 最后，您可以选择为paper_1运行mnist_b.py或mnist_c.py，为paper_2运行mnist_2d.py。 如果大家对以上研究兴趣，可以进一步参考我的这两篇论文：针对原始振动信号具有良好抗噪和域自适应能力的故障诊断新的深