pdf版说明，需要的自行下载，如转载，请说明来源（WHU, GNSS Center fyz）

门控图神经网络（GGNN）的Tensorflow实现，用于源代码分类 这是门控图神经网络（GGNN）的Tensorflow实现，如Y. Li，D.Tarlow，M.Brockschmidt和R.Zemel在论文《 ）中所述。 缩短培训时间并加快收敛速度​​的技巧： 存储桶：将具有相似大小的批处理图放在一起，而不是随机混洗和批处理。 对于小图，请使用密集图表示；对于大图，请使用稀疏图表示。 我们根据的论文的详细信息，将文件解析为图形表示形式。 有关为方法名称预测实现的版本，请参阅此存储库： : 什么是GGNN？ 解决图结构化数据和问题 门控传播模型（与GRU相同的想法），用于计算节点表示形式 展开固定步骤的重复周期，并在整个时间范围内使用反向传播 任务 代码分类 排序算法（SA数据集）：从Github收集的10个排序问题，包括：插入排序，合并排序，拓扑排序，堆排序，冒泡排序，

包括实验题目，代码及运行结果 实验3作业调度（2学时） 一、实验目的 对作业调度的相关内容作进一步的理解,明白作业调度的主要任务。通过编程掌握作业调度的主要算法。 二、实验内容 编写程序实现作业调度算法，并验证程序的正确性。 三、实验要求 1、对于给定的一组作业, 给出其到达时间和运行时间，例如下表所示： 作业名 A B C D E F 到达时间 0 2 5 5 12 15 服务时间 6 50 20 10 40 8 2、分别用先来先服务算法、短作业优先和响应比高者优先三种算法给出作业的调度顺序。 3、计算每一种算法的平均周转时间及平均带权周转时间并比较不同算法的优劣。

Deep_Learning_for_Computer_Vision_with_Python 这本书的code，Imagenet-Bundle部分

更好PHPUnit 更好PHPUnit是VS Code最受欢迎，最干净，最快PHPUnit运行器。 运行测试方法： 将光标放在要运行的方法上/之上 打开命令菜单： cmd+shift+p 选择： Better PHPUnit: run 运行测试文件： 打开命令菜单： cmd+shift+p 选择： Better PHPUnit: run-file 运行整个套件： 打开命令菜单： cmd+shift+p 选择： Better PHPUnit: run suite 运行之前的测试： 打开命令菜单： cmd+shift+p 选择： Better PHPUnit: run previous 特征： 颜色输出！ 通过将光标放置在方法中/上的任何位置来运行单个方法 测试失败显示在“问题”面板中，以便快速访问 注意：此插件注册“任务”以运行phpunit，而不是其他扩展名的命令。

Code Composer Studio3.32.rar

matlab图像去模糊原始码CCSC_code_ICCV2017 这是ICCV 2017论文“共识卷积稀疏编码”的源代码存储库。 作者： Biswarup Choudhury，Robin Swanson，Felix Heide，Gordon Wetzstein和Wolfgang Heidrich。 仓库信息： 所有代码均在MATLAB 2016b中编写和测试 2D：从大型图像数据集中学习2D卷积过滤器，例如ImageNet（将单独下载）。 还包含用于使用所学过滤器修复问题（例如修复和泊松反卷积）的代码。 2-3D：学习用于高光谱图像的卷积滤镜。 还包含用于高光谱修复和去马赛克的代码。 3D：学习视频数据集的3D卷积过滤器（将单独下载）。 还包含使用学习到的过滤器对视频进行去模糊处理的代码。 4D：学习用于光场数据集的4D滤镜（提供了示例输入光场数据）。 还包含使用所学过滤器进行新颖视图合成的代码。 image_helpers：用于读取数据，对比度归一化等的其他实用程序代码。 内存需求： 所有实验均在128GB内存下进行。 参考： 如果您使用上述任何代码或受其启发的版本，请引用我们的论文

matlab中t测试代码代码 各种Matlab脚本，用于分析Freesurfer和fMRI数据。 还包含对自闭症的表观遗传数据和纵向头围的分析 此代码中的大部分致力于我的论文主题，即中枢视力丧失后会出现什么神经可塑性。 为了回答这个问题，我们收集了T1结构数据和功能性MRI。 以group_ttest，pairtest和ttest_开头的代码是对主要视觉皮层中的ROI与执行控制中涉及的一组ROI之间功能连接的分析。 fcMRI分析中未使用的许多其他脚本与T1结构MRI数据的Freesurfer分析一起使用。 有两个文件用于绘制和分析纵向自闭症研究数据（plot_headcirc，headcirc_plot）。 最后，gene_overlap和Dir_analysis是用于从表观遗传数据调查基因表达变化的脚本。

arm的cortex m0已经开源了, 这是arm cortex m0 rtl code

曼彻斯特 曼彻斯特代码编码/解码的快速、可移植的普通 ANSI C 实现。