拆了一辆MODEL S ，将其中的零部件全部展现给大家。 尤其是里面的电路板，芯片型号都列出来了。有兴趣的可以下载看看。

Android 3D模型查看器 这是OpenGL ES 2.0的演示。 这是一个带有3D引擎的Android应用程序，可以加载Wavefront OBJ，STL，DAE和glTF文件。 该应用程序基于andresoviedo的项目，可以在找到该项目，其中包含加载和呈现glTF格式的附加功能。 该应用程序的目的是学习和共享如何使用OpenGLES和Android进行绘制。 由于这是我的第一个Android应用程序，因此很可能存在错误； 但我将尝试继续改进该应用程序并添加更多功能。 Wafefront格式（OBJ）： ://en.wikipedia.org/wiki/Wavefront_.o

介绍并记录了基于 MATLAB 的交互式生物神经元电生理行为演示模拟。 介绍和简要讨论了描述生物物理模型神经元中膜电压随时间变化的微分方程，以及演示中使用的默认数值参数。 提供了一些参考文献和文​​献的基本指针，目的是为感兴趣的用户提供进一步的阅读材料。 该项目是为邀请演讲的多媒体演示而开发的，在目前的公开版本中，它旨在作为教育目的的工具。 由于包含相关源代码并进行了完整注释，因此该软件也可以方便地用作开发示例，以探索 MATLAB 数据可视化、图形用户界面 (GUI) 和 MEX 界面的许多优点。

传统的PLLmatlab模型，很好的资料，工程上采用的三相锁相方法,你值得拥有！

建立QSAR MOdel以预测分子抑制与Alheimer's Beta_Secratese 1相关的靶蛋白的能力 通过Abolaji Shiwoku 背景 药物发现是一个漫长的过程，而且成本高昂，平均需要12年的时间，耗资100亿美元。旧的过程依赖于科学家或制药公司的专业知识或过去的实验知识来设计可能会或可能不会在目标基因或蛋白质上表现出所需特性的化合物。现在拥有数十年的过去实验数据，我们可以应用机器学习来构建预测模型，该模型可以预测化合物的生物活性，以帮助加快药物靶标的选择。这些工具在降低研究费用，加快临床研究，为患病者带来更多有用药物方面可能是无益的。制药公司正在意识到使用过去的实验数据来更好地预测化合物的化学特征的力量。随着强大的机器学习工具应用于化学数据，我们可以使用这些模型来监督重要的化学蛋白质活性，尤其是在制造新型化合物方面取得了进步。 QSAR（定量结构活性关系）模型可帮助

嘿嘿，这个可是我从俄国某ftp网站上找到的，只要3分已经是很少了-_-!搞Windows内核的一般都从驱动起步，菜鸟必备，对高手也有参考价值。

js 实现模态框

GMM-GMR是一组Matlab函数，用于训练高斯混合模型（GMM）并通过高斯混合回归（GMR）检索广义数据。 它允许通过使用期望最大化 (EM) 迭代学习算法对高斯混合模型 (GMM) 中的任何数据集进行有效编码。 通过使用此模型，高斯混合回归 (GMR) 可用于通过指定所需输入来检索部分输出数据。 然后它作为一个泛化过程，计算关于部分观察数据的条件概率。 提供了一个样本来加载包含多个轨迹数据[t，x]的数据集，其中t是时间值，x是3D中的位置。 然后在 GMM 中对联合概率 p(t,x) 进行编码，GMR 用于检索 p(x|t)，即每个时间步的预期位置。 这用于检索提供的轨迹的平滑广义版本。 源代码是EPFL/CRC Press 出版的“Robot Programming by Demonstration: A Probabilistic Approach”一书中描述的算法的实现

Jim Wilkes 教授提供了管道中水平流的体积流量与施加的压力梯度的代表性值 [1]。 管道半径等于 0.01 m。 我们使用这些代表值，结合使用 Mathematica 确定的体积流量的解析表达式，来计算幂律和宾汉流体的本构方程的参数。 参考： [1] Wilkes, JO，化学工程师的流体力学，Prentice Hall，Upper Saddle 河，1999。 如需使用 Mathematica 进行处理，请访问以下链接： http://library.wolfram.com/infocenter/Articles/6739/ http://library.wolfram.com/infocenter/MathSource/5152/

YoloV5-ncnn-Raspberry-Pi-4 带有ncnn框架的YoloV5。 论文： ： 专为裸露的Raspberry Pi 4制作，请参阅 基准。 模型 杰特逊纳米2015 MHz RPi 4 64-OS 1950兆赫 YoloV2（416x416） 10.1帧/秒 3.0帧/秒 YoloV3（352x352）微小 17.7帧/秒 4.4 FPS YoloV4（416x416）微小 11.2 FPS 3.4帧/秒 YoloV4（608x608）完整 0.7帧/秒 0.2帧/秒 YoloV5（640x640）小 4.0 FPS 1.6帧/秒 依赖关系。 要运行该应用程序，您必须： 具有32或64位操作系统的树莓派4。 它可以是Raspberry 64位操作系统，也可以是Ubuntu 18.04 / 20.04。 已安装腾讯ncnn框架。 已安装OpenC