人工智能+专家系统+推理机设计-第三章 知识表示

华中科技大学数据表示实验的全部电路图都有，有需要的小伙伴自己下载，这些电路都是经过本人测试，是可以通关的！！！

matlab光照模型代码InfoGAN InfoGAN体系结构 Tensorlayer的实现。 结果 MNIST 操纵第一个连续潜在代码 更改将旋转数字： 操纵第二个连续潜在代码 更改将更改数字的宽度： 操纵离散潜在代码（分类） 更改将更改数字的类型： 随机生成和损失图 G_loss在经过足够的迭代次数后稳步增加，这表明鉴别器越来越强，并且表明训练结束。 西莉亚 操纵离散潜在代码 方位角（姿势）： 有无眼镜： 发色： 发量： 灯光： 面Kong 损失图 方位角 随机生成 椅子 回转 跑步 MNIST 开始使用python train.py训练； 这将自动下载数据集。 要查看结果，请执行python test.py并输入已保存模型的编号。 西莉亚 在config.py设置图像文件夹。 数据集的一些链接： 开始训练。 python train.py 面Kong 在config.py设置您的数据文件夹。 BFM 2009的链接： 。 在生成数据之前，应先下载该文件。 使用data_generator的代码生成数据。 在MATLAB中调用gen_data 。 开始使用python train.

Simulink 模型计算由两个电感器和一个电阻器表示的交流网络等效元件的阻抗。 这种类型的配置 (LLR) 经常用于 HVDC 链路研究，其中它与正确表示基波和低谐波（对应于可能的谐振频率）的阻尼角（相角）有关。 其他配置也可能是合适的。 选择最佳配置需要有关网络阻抗随频率变化的信息。 子系统掩码中定义的参数是：基频（50 或 60 Hz）、基频处的网络阻抗、谐波数 N（2、3、4 或 5）、（正）相角（度) 在基波和 N 次谐波上。 该模型求解一组三个非线性方程。 您可以使用 Powergui 跟踪结果电路的阻抗与频率。

针对知识图谱（KG）在知识驱动的人工智能研究中发挥的强大支撑作用，分析并总结了现有知识图谱和知识超图技术。首先，从知识图谱的定义与发展历程出发，介绍了知识图谱的分类和架构；其次，对现有的知识表示与存储方式进行了阐述；然后，基于知识图谱的构建流程，分析了各类知识图谱构建技术的研究现状。特别是针对知识图谱中的知识推理这一重要环节，分析了基于逻辑规则、嵌入表示和神经网络的三类典型的知识推理方法。此外，以异构超图引出知识超图的研究进展，并提出三层架构的知识超图，从而更好地表示和提取超关系特征，实现对超关系数据的建模及快速的知识推理。最后，总结了知识图谱和知识超图的典型应用场景并对未来的研究作出了展望。

基于图神经网络的异构图表示学习和推荐算法研究

使用链表对多项式进行存储 并且重载了加减乘三种操作 支持将字符串直接装化为多项式

非平稳信号的类似于STFT的时频表示-从均匀采样的数据到任意非均匀采样的数据

信息技术基础（WPS Office版）

Python的空间数学 一个Python实现的 空间数学功能是我们需要描述2D或3D空间中对象的位置，方向或姿势的所有机器人技术和机器人视觉的基础。 它能做什么 该软件包提供了一些类来表示3D和2D空间中的姿势和方向： 代表 3D 2D 姿势 SE3 Twist3 UnitDualQuaternion SE2 Twist2 方向 SO3 UnitQuaternion SO2 进一步来说： 属于SE（3）组的SE3矩阵的3维位置和方向（姿势） 属于SO（3）组的SO3矩阵在3维方向上的取向 属于S3组的UnitQuaternion ，用于3维定向 属于3维姿势的属于se（3）