西南交通大学 机器学习 实验5.docx

西南交通大学 机器学习 实验4.docx

西南交通大学 机器学习 实验3.docx

西南交通大学 机器学习 实验2.docx

西南交通大学 机器学习 实验1.docx

指针式仪表（纯表盘）数据集，约410张

整理的HDCP学习资料，包括1.0，1.1，1.2，1.3，1.4各个官方版本pdf Amendments_for_HDCP-GVIF_Rev1_1.pdf DisplayPort-HDCPSpecificationComplianceTestSpecification1 0.pdf EDID协议.doc HDCP on DisplayPort Specification Rev1_1.pdf HDCP on DisplayPort_1_1_errata.pdf HDCP Specification Rev1_2.pdf HDCP Specification Rev1_4.pdf HDCP Specification Rev1_4_Secure.pdf HDCP_GMSL_Amendment_04Mar10.pdf HDCP_on_DLI_Specification_Rev1_0.pdf HDCP_Specification Rev1_0.pdf HDCP_Specification Rev1_1.pdf HDCP_Specification Rev1_3.pdf HDCP介绍.pptx hdmi协议.doc testconceptforHDCP.pdf 基于HDCP协议的认证研究与流加密算法的实现.pdf HDCP1.x版本通道保护机制及秘钥说明.docx

gnina（发音为NEE-na）是一个分子对接程序，具有使用卷积神经网络对配体进行评分和优化的综合支持。 这是的叉子，是的叉子。 帮助 请。 提供一个示例Colab笔记本，其中显示了如何使用gnina。 引文 如果您发现gnina有用，请引用我们的论文： GNINA 1.0：分子对接与深度学习（主要应用引用） 阿McNutt，P Francoeur，R Aggarwal，T Masuda，R Meli，M Ragoza，J Sunseri，DR Koes。 ChemRxiv，2021年 卷积神经网络的蛋白质配体评分（主要方法引用） M Ragoza，J Hochuli，E Idrobo，J Sunseri，DR Koes。 J.化学。 Inf。 模型，2017 基于原子网格的卷积神经网络的配体姿态优化M Ragoza，L Turner和DR Koes。 分子与材料的机器学习NIP

我把网上的websphere快速入门补充完整，放在一个word文档中，并建立了文档结构视图，这样学习起来比较方便

为方便调查宁夏全区荒漠草原植物种类及其分布，需对植物识别方法进行研究。针对YOLO v5s模型参数量大，对复杂背景下的植物不易识别等问题，提出一种复杂背景下植物目标识别轻量化模型YOLO v5s-CBD。改进模型YOLO v5s-CBD在特征提取网络中引入带有Transformer模块的主干网络BoTNet(Bottleneck transformer network)，使卷积和自注意力相结合，提高模型的感受野；同时在特征提取网络融入坐标注意力(Coordinate attention，CA)，有效捕获通道和位置的关系，提高模型的特征提取能力；引入SIoU函数计算回归损失，解决预测框与真实框不匹配问题；使用深度可分离卷积(Depthwise separable convolution，DSC)减小模型体积。实验结果表明，模型YOLO v5s-CBD在单块Nvidia GTX A5000 GPU 帧率可达140帧/s，模型体积为8.9MB，精确率P为95.1%，召回率R为92.9%，综合评价指标F1为94.0%，平均精度均值mAP为95.7%，在VOC数据集平均精度均值可达80.09%。