A_Dynamic_Network_Simulation_Model_Based_on_Multi-Agent_Systems,希望对大家有用

A-MULTI-EXPOSURE-IMAGE-FUSION-BASED-ON-THE-ADAPTIVE-WEIGHTS

Accurate evaluation of bradykinesia plays a crucial role in the diagnosis and therapy effect of Parkinson's disease. However, the subjective assessment shows low consistency among different evaluators, and the objective sensor-based methods cannot accurately distinguish patients with different grades of the 5-point clinical bradykinesia ratings. In this paper, an objective scoring method based on axis-angle representation and multi-class support vector machine (SVM) classi_er was employed to est

这是论文《Gaussian Pyramid Based Multiscale Feature Fusion for Hyperspectral Image Classification, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(9), 3312-3324》的代码，更多详情可在纸上找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载 libsvm-3.20。 libsvm-3.20可从https://www.csie.ntu.edu.tw/~cjlin/libsvm/获得

Measuring the electromagnetic properties of materials has important applications in many fields. In this paper, two electrically small sensors based on the split ring resonators (SRRs) with extended long legs, i.e., two-layer and three-layer magnetic coupled SRRs, are proposed to measure the permittivity of small samples of unknown materials. By virtue of several merits, such as extremely compact size for two-layer and three-layer magnetic coupled SRRs, respectively), high quality factor (Q), and stable resonance. Especially, the proposed three-layer magnetic coupled sensor with opposite splits on the SRRs is able to further improve the quality factor and have better stability compared with the two-layer coupled sensor. By different shifting resonant frequencies instead of the single ones and the polynomial fitting method, the proposed sensors can accuratelycalculatetheunknownpermittivity.Simulatedandexperimentalresultshavevalidatedtheefficacy of the proposed approach and designs. With the features of compact size and lower far-field radiation, the proposed resonators can be combined with various permittivity measurement algorithms to improve the measurement accuracy in a wide range of environments beyond the specific experimental setup.

这是论文“Density Peak Clustering-based Noisy Label Detection for Hyperspectral Image Classification, IEEE Transactions on Geoscience and Remote Sensing, 2018, (Accepted)”的代码，更多细节可以在论文中找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载 libsvm-3.22。 libsvm-3.22 可在https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 获得

matlab代码影响基于自动编码器的单图像超分辨率 介绍 单图像超分辨率（SISR）是计算机视觉中的不适定问题，并且在视频编码的背景下显示出其潜力。 自从SRCNN [1]模型首次提出以来，训练基于深度学习的模型来执行超分辨率已成为该领域的当前研究重点。 基于深度学习的超分辨率的当前流程如图1所示。首先使用双三次/ SHVC方法将原始图像降采样为低分辨率图像，然后通过插值方法将低分辨率图像放大。 插值图像用于深度学习模型的训练和测试。 图1：当前基于深度学习的SISR模型的一般结构。 在该项目中，发现不同的下采样方法对基于深度学习的SISR模型的训练和性能有深远的影响。 使用几乎没有别名的下采样和内插方法进行训练对网络恢复高一半频率的信息没有帮助。 基于这些结论，设计了一种可以同时学习下采样和上采样操作的自动编码器模型，希望该自动编码器模型可以学习适当的下采样方法，以便在上半频率范围内获得更多信息。可以恢复的。 测试结果表明，与VDSR [2]模型相比，该自动编码器模型可以实现更高的PSNR值。 自动编码器模型的结构如图2所示。图2：基于自动编码器的SISR模型的结构。 表1给出了测试

基于知识图嵌入的推荐系统 基于知识图嵌入的推荐系统 本系统是一个基于知识图嵌入的商品推荐系统，以下是该系统的详细介绍，基本代码都是自己所写，TransE和Rescal方法实现部分是照着论文与相关代码自己进行的复现，并且相关代码中都有我写的一些注释。 1.generate_data.py是用于生成模拟数据，在进行真实使用时可以参照所生成的模拟数据的格式进行数据录入 2.data文件夹下需要有entities.txt以及relations.txt两个数据，他们分别是实体（people和items）的名称以及索引号，以及关联的名称以及索引号，关联也可以有多种，然后该文件夹下还应该有train.txt，valid.txt和test.txt，作为模型训练的依托，其中的neg.txt可要可不要，这个文件并不参与模型的训练过程 3.dataset.py文件主要是模型训练中处理数据的代码，model.p

基于前庭系统的机器人控制 基于前庭系统的受人启发的机器人控制。 前庭系统的模型由浆膜管和耳石器官组成。 这些是论文“用于研究方向和平衡控制的受人类启发的模拟器”中使用的Matlab代码。 Files文件夹要重现本文的模拟结果，请尝试打开并运行文件“ interfaz_grafica.m”。将打开图形用户界面。 现在，您可以分别运行左侧的人体前庭系统模型或右侧的机器人仿真模型。 1-前庭系统模型-“ Seleccion de hipotesis para los canales semicirculares”菜单允许您在2个假设中进行选择：正交或非正交运河。 -“在Giratoria平台上的速度角速度选择”菜单允许在恒定，梯形或正弦曲线中选择刺激角速度。 -“考虑票房吗？” 菜单允许您选择是考虑假想的“头部”的角运动还是静态的-如果您在上一个菜单中选择了“角动量”选项，即考虑了角运动，则“