针对已有自适应细分方法中存在的问题，提出了一种新的自适应多分辨率细分曲面的表示方法。该方法结合拓扑细分的特点，运用二维组合映射对半边数据结构进行形式化定义，并引出超映射的概念。在超映射这个通用的理论框架中引出了半边结构在多分辨率上的扩展，并对其在自适应细分方法中的应用进行了讨论。结果表明这种结构具有普适性，支持多种细分方法，允许在网格的任何多分辨率层次上及时有效地导航，并且在自适应细分过程中避免了拓扑裂缝的产生。

BioBERT此存储库提供用于微调BioBERT的代码，BioBERT是一种生物医学语言表示模型，用于设计生物医学文本挖掘任务，例如生物医学命名的实体识别，关系提取，对BioBERT提出疑问。此存储库提供用于微调BioBERT的代码。专为生物医学文本挖掘任务（例如生物医学命名实体识别，关系提取，问题回答等）而设计的表示模型。有关更多详细信息，请参阅我们的论文BioBERT：用于生物医学文本挖掘的预训练生物医学语言表示模型。 该项目由DMIS-Lab完成。 下载我们提供了五个版本的预训练砝码。 预训练是基于t

模糊k 表示聚类的代码，包括k 表示有超级，Gustafson Kessel 算法，模糊线性判别分析。 还计算性能度量。

提取任意图片中所有存在的contour线条，每一条可以单独表示

基于分段线性表示的时变数据可视化方法，王子慧，鄂海红，随着信息技术的快速发展，时变数据普遍具有大规模，多维等属性。为清晰直观地展示时变数据，兼顾其本身属性和时间维度的有序性，

纸 我们的论文发表在第29届国际计算机通信和网络会议（ ）上。 该信息可以在这里找到： 孟伟斌，刘英，黄玉恒，张胜林，费德里科·宰特，陈炳进，裴丹。 用于在线日志分析的语义感知表示框架。 ICCCN2020。2020年8月3日至8月6日，美国夏威夷檀香山。 相依性 1. nltk , nltk . download ( "wordnet" ) 2. spacy , spacy . load ( "en_core_web_md" ) 3. progressbar 4. dynet ( python3 ) 快速开始 cd code/LRWE/src/ make clean make # prepare the middle results python pipeline.py -i data/HDFS.log -t HDFS -o results/ -i input rawlog

编译原理实验作业，包括正规式转NFA，NFA转DFA，以及DFA最小化。 参考了网上很多代码，可能会有些乱，有实验报告，可以按照实验报告截图操作。试了很多表达式，最后转化的都是正确的，当做实验作业已经够用了。

float、int、unsigned int数据与其在实际内存中表示的相互转换小程序

TriDNR 三方深度网络表示形式，发布于IJCAI 2016：1895-1901。 这些代码实现了TriDNR算法，该算法学习网络中每个节点的连续表示。 TriDNR从三个角度使用信息，包括节点结构，节点内容和节点标签（如果有），以共同学习最佳节点表示形式 该代码是使用gensim和DeepWalk软件包在Python中开发的。 所有必需的软件包都在requirements.txt中定义。 要安装所有要求，只需使用以下命令： pip install -r requirements.txt “ demo.py”中提供了一个演示，该演示运行并比较了几种算法 关于数据集：本文中有两个网络数据集，即DBLP和Citeseer-M10。 每个数据集包含3个文件： 1. docs.txt : title information of each node in a network, each

表示学习为各种AI领域提供了一种革命性的学习范式。在这个综述中，我们研究和回顾了表示学习的问题，并将重点放在由不同类型的顶点和关系组成的异构网络上。这个问题的目标是自动地将输入异构网络中的对象(最常见的是顶点)投射到潜在的嵌入空间中，这样网络的结构和关系属性就可以被编码和保存。