奥运探索 探索一些基于奥运会的数据集。

Pins Pin name ADC TIM CAN I2C SPI USART USB 10 PA0-WKUP ADC1_IN0 ADC2_IN0 SYS_WKUP TIM2_CH1 TIM2_ETR USART2_CTS 11 PA1 ADC1_IN1 ADC2_IN1 TIM2_CH2 USART2_RTS 12 PA2 ADC1_IN2 ADC2_IN2 TIM2_CH3 USART2_TX 13 PA3 ADC1_IN3 ADC2_IN3 TIM2_CH4 USART2_RX 14 PA4 ADC1_IN4 ADC2_IN4

PTMS 概率论和数理统计中的一些可视化程序项目团队的成员展示了概率论中的实际采样方法，经典实验，包括布冯掷硬币，抛硬币，高尔顿板，大数定律，中心极限定理和三种采样分布。 从数理统计的正态分布中得出：卡方分布，t分布，F分布，伽玛分布，β分布和格林文科定理，带有交互式动画通过描述概率概念的形成过程，我们可以更好地理解每个参数的作用在特定的分布中。 实现了实验，分布，估计和假设检验的可视化。

HP 忆阻器模型和仿真 HP忆阻器型号 根据惠普关于忆阻器的论文进行的模拟 联想学习的网络模拟 两种不同尖峰类型的比较： 单脉冲 双脉冲

VRCNet-Pytorch G. Bezirganyan，K。Muradyan撰写的论文“使用基于U-Net的体系结构进行语音分离”的实现。 数据集 该存储库使用musdb数据集进行训练和评估。 数据集是免费的，但需要访问。 要下载和进一步使用数据集，请查看网页。 楷模 这里介绍的模型基于架构。 主要区别在于编码层。 对于VggUNet，编码层是的编码部分，ResUNet使用ResNet18的编码部分，而VRCNet同时使用和ResNet18的两个编码层。 下图总结了本文中描述的所有三个模型：VggUNet，ResUNet和VRCNet（从左到右）。 在模型文件夹中，我们还有论文（SCUNet）的实现，以及VRCNet的修改版本：VCNet。 准备 该存储库被简化为musdb数据集，并要求将其下载并保存在方便的文件夹中。 还需要进行预处理，因为在每次迭代中读取音频文件可能需要大量时间

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

GrTheory - 图论工具箱。 职能： 包装： maxindset - 解决图形的最大独立（稳定）集问题。 maxmatch - 解决图形的最大匹配问题。 覆盖物： minedgecover - 解决图的最小边覆盖问题。 minvercover - 解决图的最小顶点覆盖问题。 支配集： mindomedgeset - 解决图边的最小支配（吸收）集问题。 mindomverset-解决图顶点的最小支配（吸收剂）设置问题。 派系： maxcompsub - 解决图的最大完全子图问题。 着色： minedgecolor-解决图形边缘的最小规则颜色问题。 minvercolor - 解决图形顶点的最小规则颜色问题。 周期和cocycles： eulerianpath - 找到图的欧拉路径或循环。 cocyclebasis - 找到连通图的所有独立割集。 部分订购： orderstrongc

分数阶傅里叶变换的一些文献和代码，帮助大家更进一步学习

文件包含ACM常用算法、ACM程序设计书籍（曾宗根）、ACM在线评测系统、ACM函数整理、ACM协会培训资料以及我收集的许多c++项目源码

比较好用的代码，包括链表，数组，指针，以及几个小项目。