#PODEM 算法 该项目由一个用 go 编程语言编写的 PODEM ATPG 组成。 所有源代码都在一个包中,尽管它分布在不同的文件中以使其有点模块化。 ##Install 要构建和运行此代码,最重要的是在您的计算机上安装 go。 访问以遵循操作系统特定的安装说明,但我还将在下面概述一些基础知识。 ###Ubuntu 要在 Ubuntu 上安装,请运行sudo apt-get install golang Ubuntu 将继续安装 go。 要测试安装,您可以将以下代码保存到名为 hello.go 的文件中: package main import "fmt" func main () { fmt . Println ( "Hello, world" ) } 在该文件所在的目录中,运行go run *.go 。 这将编译并运行代码,您应该会在命令行上看到Hello,
2021-11-16 20:02:14 204KB Go
1
深哈希火炬 一些Deep Hash算法基线的实现。 怎么跑 我的环境是 python==3.7.0 torchvision==0.5.0 pytorch==1.4.0 您可以轻松地训练和测试任何算法 pyhon DSH.py pyhon DPSH.py pyhon DHN.py pyhon DSDH.py 如果您有任何问题,请随时通过电子邮件( )与我联系或提出问题。 精确召回曲线 我在DSH.py中添加了一些代码: if "cifar10-1" == config["dataset"] and epoch > 29: P, R = pr_curve(trn_binary.numpy(), tst_binary.numpy(), trn_label.numpy(), tst_label.numpy()) print(f'Precision
2021-11-16 11:01:55 12.08MB pytorch dsh deep-hashing dfh
1
朴素贝叶斯算法 Java朴素贝叶斯算法的实现 塔亚内·塞奎拉(Tayane Cerqueira)和卢卡斯·阿尔梅达(Lucas Almeida) 资料库:iris.arff(做weka) 属性:萼片长度,萼片宽度,花瓣长度和花瓣宽度 类别:Iris Setosa,Iris Versicolour和Iris Virginica 实例数:150(每个类50个)
2021-11-16 10:50:07 11.87MB Java
1
sift算法matlab实现,完整代码,实现成功,运行正常
2021-11-16 00:59:26 2KB sift算法
1
1、实现了3DES功能的C++代码 2、支持多个key输入、支持ECB、CBC填充模式 3、不是.exe程序,是代码段;
2021-11-15 20:20:09 7KB 3des 加密 c++
1
接缝雕刻 Java中实现 特征 在Java中实现了Seam Carving算法。 GUI使用Java Swing开发。 实现了基于线程的用于调整图像大小的过程,该过程允许调整大小的过程在后台工作。 用户可以在调整大小后保存图像。 运行项目 要从命令行运行项目,请转到dist文件夹并键入以下内容,或直接双击该文件: java -jar SeamCarver.jar
2021-11-15 18:50:06 127KB java algorithm netbeans swing
1
基本遗传算法在GPU 上并行实现其所有操作,提高其运行速度和准确度
2021-11-15 16:14:54 537KB CUDA 并行遗传算法
1
Bp神经网络算法(VC++实现),包含main函数和BpNet类的控制台程序,带有详细的注释。
2021-11-15 15:39:34 245KB Bp神经网络 机器学习 神经网络
1
为了高速实现自适应信号处理,本课题在对自适应信号处理算法研究的基 础上,对 LMS 算法进行了基于 FPGA 的实现。首先对自适应 LMS 算法作了适合采用 流水线技术的划分,把整个算法划分为若干独立的子操作。然后在此基础上提出一种新 的流水线流程。该流水线流程可以分为局部流水线和整体流水线两种。它们在系统中相 互独立,但必须协调。在基于 FPGA 实现 LMS 算法的过程中,还采用现代电路设计最流 行的模块化设计的方法。根据设计过程中必须进行舍位处理,提出了修正的 LMS 算法的表达式,表示了实际实现与理论公式的偏差。仿真结果表明整个设计方 案是正确的、可行的。
2021-11-15 14:51:35 571KB LMS算法 fpga实现
1
k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法,其步骤是,预将数据分为K组,则随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类,没有(或最小数目)聚类中心再发生变化,误差平方和局部最小。
2021-11-15 11:38:51 2KB kmeans 聚类 算法 matlab
1