HCS-Field-PM售后培训手册
2022-02-17 12:01:46 5.93MB HCS-Field-PM
通讯 CommPy是一个开源工具箱,使用NumPy和SciPy在Python中实现数字通信算法。 目标 提供在数字通信系统的研究,设计和实现中使用的算法的可读性和可用性。 可用功能 卷积码的编码器(多项式,递归系统的)。 支持所有速率和穿刺矩阵。 用于卷积码的维特比解码器(硬判决输出)。 用于卷积码的MAP解码器(基于BCJR算法)。 比率为1/3的系统并行级联Turbo码的编码器。 Turbo解码器,用于速率为1/3的系统并行级联Turbo码(基于MAP解码器/ BCJR算法)。 具有最小多项式和环原子集的二进制伽罗瓦域GF(2 ^ m)。 为(n,k)循环码创建所有可能的生成多项式。 随机交织器和解交织器。 LDPC码的置信传播(BP)解码器和三角系统编码器。 具有瑞利或Rician衰落的SISO通道。 具有瑞利衰落或Rician衰落的MIMO信道。 二进制擦除通道
1
A light field three-dimensional (3D) display with multi-projectors and a concave screen is proposed. The system sets the viewing area at the center of the concave screen, making viewers enter the center of the system to watch 3D scene around them. The surrounded 3D scene provides viewers a feast of enhanced immersive experience. The light field principle, rendering algorithm, selection of viewing area and experimental results are discussed in the letter, showing the potential of being an all-aro
2022-01-29 00:10:03 1.68MB
1
修改vant的field组件,使之拥有自动完成功能的,即autocompelete
2022-01-17 19:13:53 4KB vant
1
Field Guide to Genetic Programming (ISBN 978-1-4092-0073-4) is an introduction to genetic programming (GP). GP is a systematic, domain-independent method for getting computers to solve problems automatically starting from a high-level statement of what needs to be done. Using ideas from natural evolution, GP starts from an ooze of random computer programs, and progressively refines them through processes of mutation and sexual recombination, until solutions emerge. All this without the user having to know or specify the form or structure of solutions in advance. GP has generated a plethora of human-competitive results and applications, including novel scientific discoveries and patentable inventions.
2022-01-13 16:01:40 3.6MB Genetic Programming
1
SUMS76 Essential Real Analysis, Michael Field (2017).zip
2022-01-11 17:38:05 9.16MB math
1
《Markov Random Field Modeling In Image Analysis》(3rd Edition,Stan Z.Li,2009).pdf
2021-12-30 11:09:40 4.34MB 图像分析
1
通过框架现场学习进行多边形建筑物分割 我们将帧场输出添加到图像分割神经网络,以提高分割质量,并为后续的多边形化步骤提供结构信息。 图1:在测试图像上输出的其他帧场的特写镜头。 图2:给定俯视图像,模型将输出建筑物的边缘蒙版,内部蒙版和框架字段。 总损耗包括使蒙版和帧场与地面真实数据对齐的项,以及使帧场的平滑度和输出之间的一致性得到增强的正则化项。 图3:给定分类图和框架字段作为输入,我们使用主动骨架模型(ASM)优化骨架折线以使其与框架字段对齐,并使用框架字段检测角点,从而简化了非角顶点。 该存储库包含该论文的官方代码: 通过框架现场学习进行多边形建筑物分割( ,( ,( ,( 预印[,] 其简短版本已发布为: 通过框架现场学习进行正规的建筑物分割( ,德米特里·斯米尔诺夫( Dmitriy Smirnov) ,贾斯汀·所罗门( Justin Solomon) ,
2021-12-28 14:37:13 4.21MB remote frame segmentation field
1
基于英文版epub电子版转换而成 1. A4排版后,共383页 2. 标准字体10pt,章节标题15pt 3. 调整页边距 4. 带目录 适合在PC上使用PDF阅读软件阅读.
2021-12-21 23:20:14 11.74MB NFC
1