通过卡尔曼滤波进行有效GP回归 基于两篇论文的存储库，其中包含相对于同类项目的简单实现代码： [1] A.Carron，M.Todescato，R.Carli，L.Schenato，G.Pillonetto，机器学习遇到了Kalman Filtering ，《 2016年第55届决策与控制会议论文集》，第4594-4599页。 [2] M.Todescato，A.Carron，R.Carli，G.Pillonetto，L.Schenato，通过卡尔曼滤波的有效时空高斯回归，ArXiv：1705.01485，已提交JMLR。 PS。 该代码尽管基于上述论文中使用的代码，但与之稍有不同。 它是它的后来的改进和简化版本。 而且，此处仍未提供[2]中介绍的用于实现自适应方法的代码。 文件内容是很容易解释的（有关每个文件的简要介绍，请参考相应的帮助）： main.m：包含主程序 plotResul

注意：不支持Ubuntu 16.04及更低版本 FAST-LIO 2.0 将于2021年3月底发射。 新的功能： 更快更好 更高的频率； 更多的LiDAR支持（Horizo​​n和Ouster 64）； 支持基于ARM的嵌入式平台。 FAST-LIO FAST-LIO （快速LiDAR惯性里程计）是一种计算效率高且功能强大的LiDAR惯性里程计套件。它使用紧密耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起，从而在发生退化的快速运动，嘈杂或混乱的环境中实现强大的导航能力。我们的软件包解决了许多关键问题： 快速迭代的卡尔曼滤波器，用于里程计优化； 在最稳定的环境下自动初始化； 并行KD-Tree搜索以减少计算量； 强大的特征提取； 开发者 ：激光贴图和姿势优化； ：特征提取。 要了解更多详细信息，请参阅我们的相关文章：） 我们的相关论文：现在可以在arxiv上获得我

shapeNet数据集，包括hdf5、带法向量、不带法向量等三种格式数据集--网盘下载链接（永久有效）

html2canvas简单有效测试，可以截取当前网页窗口内容，全部或是根据选择器，选择部分内容

人工智能 人工智能的第一个项目，由 Benjamin Carle 教授教授。 Rubik 旨在检查任何给定多维数据集状态的有效性，并使用快速高效的 IDA* 搜索解决该问题。

全志T113 在LINUX下接TJA1050收发器做的CAN的实验 # ifconfig can0 down 设置速度 # ip link set can0 type can bitrate 250000 triple-sampling on 开启 # ifconfig can0 up 发送数据 # cansend can0 123#0001020304050607

彩色图像上的默认颜色图通常会重现令人困惑的灰度图像。 提议的颜色图保持了美观的彩色图像，该图像自动再现为具有离散的、可量化的饱和度水平的单调灰度。 根据图形图像中的颜色级别显示强度信息是非常有用的。 而商业软件（例如 MATLAB）中强度值到颜色的默认映射（“颜色图”？）？ 提供视觉上令人愉悦且数量上有用的图形，但是当原始彩色图像以黑白打印或影印时，大部分信息通常会丢失。 这是由于将不同颜色映射到相同的灰色阴影，通常导致最大和最小强度值都以黑色结束。 为了保持高质量的黑白图像，生成图像的作者被迫使用灰度颜色图，并在他的计算机屏幕和演示图像上失去了吸引人的颜色选项，或者为相同的信息生成两个单独的渲染，一个是黑色的和白色和一个彩色（或支付特定期刊？昂贵的彩色印刷费用）。 我们没有牺牲漂亮的颜色，而是设计了一个颜色图，它保留了颜色，但混合了颜色分量，以便颜色图的背面和白色呈现产生强度单调的

不管是从哪个角度来防范ARP病毒，最关键的都是要及时关闭ARP病毒所连接的交换机或路由器端口，封闭其网络的正常访问，从而有效控制病毒。因此学会将交换机端口关闭或有选择的过滤数据包将成为关键。今天我们就继续以实际例子来讲解基于MAC地址的访问控制。

有效折射率法求矩形波导色散曲线(附Matlab程序).doc

物联网（IoT）技术已广泛应用于智能电网中，以监控物理或环境状况。 特别是，状态估计是智能电网中基于IoT的重要应用程序，通过对电表测量和电力系统拓扑的分析，状态估计可用于系统监控以获得最佳的电网状态估计。 但是，错误数据注入攻击（FDIA）对状态估计造成严重威胁，这是检测困难的原因。 在本文中，我们提出了一种针对FDIA的有效检测方案。 首先，研究了反映智能电网物理特性的两个参数。 一个参数是从控制器到静态无功补偿器（CSSVC）的控制信号。 较大CSSVC表示存在强烈的电压波动。 另一个参数是定量节点电压稳定性指数（NVSI）。 较大的NVSI表示较高的漏洞级别。 其次，根据CSSVC和NVSI的值，提出了一种优化的聚类算法，将潜在的易受攻击节点分为几类。 最后，基于这些类别，提出了一种用于FDIA实时检测的检测方法。 仿真结果表明，该方案可以有效地检测出FDIA。