论文ID
原名： Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study
翻译名：对源自中国武汉的2019-nCoV爆发的潜在国内和国际传播的预测和预测：一项模型研究
期刊：The Lancet
IF:59.102
发表时间：2020.02
作者：Joseph T Wu*, Kathy Leung*, Gabriel M Leung
数据来源：中国疾病预防
2021-09-27 11:24:49
572KB
1
2003年全国大学生数学建模竞赛A题的一篇示范性优秀论文，值得学习和参考，改进自经典的传染病模型SIR，主要使用微分方程组建立数学模型，求解和分析十分优秀
2021-09-27 00:06:03
278KB
1
在Gerchberg-Saxton (GS)算法的基础上，引入光强传播方程法（TIE）和加速角谱迭代算法，提出了基于TIE的加速角谱迭代算法，实现了更加精准快速的相位恢复。该算法通过3个面的光强（一个输入面，两个输出面）进行相位恢复，首先通过光强传播方程得到初始的相位，进而使用加速角谱迭代算法进行进一步的迭代恢复相位。通过数值仿真得出，该算法在二维图像相位恢复过程中更加精准快速，抗噪性更强。在可恢复相位的控制范围内，迭代40次即可趋于稳定，均方根(RMS)误差可控制在10-6数量级。
2021-09-22 20:33:17
2.4MB
1
像素级对比学习
在Pytorch的论文提出了像素级对比学习的实现。 除了在像素级别进行对比学习之外，在线网络还将像素级别表示形式传递给像素传播模块，并向目标网络施加相似度损失。 他们在细分任务中击败了所有以前的非监督和监督方法。
安装
$ pip install pixel-level-contrastive-learning
用法
下面是一个示例，说明了如何使用该框架进行Resnet的自我监督训练，并获取第4层（8 x 8个“像素”）的输出。
import torch
from pixel_level_contrastive_learning import PixelCL
from torchvision import models
from tqdm import tqdm
resnet = models . resnet50 ( pretrained = True )
learn
2021-09-22 09:56:45
51KB
1