诺贝尔奖获得者的形象化
于2016年秋季在UNIST举行的数据可视化课程诺贝尔奖获得者的最终项目。
跑步
为了在本地使用它，只需执行以下操作：在终端窗口中使用python -m SimpleHTTPServer 8080 。
然后，在浏览器中访问0.0.0.0:8080。
演示版
2023-04-05 23:26:26
3.41MB
1
深度学习技术，近些年在学术界乃至工业界得到了广泛的关注，并且在计算机视觉、自然语言处理等方面取得了令人瞩目的成果，但是在电力系统深度学习技术还没有得到普及，本文介绍了深度学习的概念、主要网络模型，并对当前电力系统中深度学习的相关应用进行了介绍，最终结合冀北电力公司未来关注的重点"零碳冬奥"、"一网一平台"等，对深度学习技术在电力信息化领域的应用前景进行了展望。
2023-04-05 23:04:33
200KB
1
NC州立大学图书馆的数据与可视化教学材料
关于
该存储库包含在NC州立大学图书馆开发的材料，可用于教学支持。 这些材料仅供任何想了解特定数据和可视化主题或进行数据和可视化指导的人员参考。 已经做出努力来制作在面对面的指导课之外有用的材料。
储存库组织
该存储库中的每个文件夹都包含指导活动，计算笔记本（例如Jupyter Notebook）和/或NC State University Libraries指导课程中使用的数据集。
联系信息
提交问题或创建请求请求以建议对材料进行更新或更改。
您可以找到有关指令支持的更多信息，并通过图书馆的“与数据和可视化服务部门联系。
2023-04-05 19:49:26
692KB
1
我们将看到如何使用dlib从图像中提取人脸嵌入并将其可视化。
在python笔记本中运行代码以生成嵌入。
#Run下面的命令以可视化tensboard。 将logdir路径替换为您的自定义路径
tensorboard --logdir = /用户/ anshu / meet-up / internship / recognition / face-embeddings / embeddings-logs / --port = 6006
2023-04-05 19:46:25
193.17MB
1
针对NAND Flash应用，完成了并行化BCH编译码器硬件设计。采用寄存器传输级硬件描述语言，利用LFSR电路、计算伴随式、求解关键方程、Chien搜索算法等技术方法完成了BCH编译码算法在FPGA上的硬件实现。相比于传统串行实现方案，采用并行化实现提高了编译码器的速度。搭建了基于SoPC技术的嵌入式验证平台，在Nios处理器的控制下能快速高效地完成对BCH编译码算法的验证，具有测试环境可配置、测试向量覆盖率高、测试流程智能化的特点。
2023-04-05 19:09:36
277KB
1
为了利用信息系统对象在数据空间中分布，通过对对象的模糊聚类，计算每一类在坐标轴上的统计值。利用正态概率分布特性，引入重叠度和空隙度选取合适的概率，确定最优的区间端点，实现连续属性离散化。
2023-04-05 17:17:02
196KB
1
提出一种连续属性值域划分的离散化新方法，该方法定义一个新的离散化函数，依据类与属性之间的相互依赖关系选择最优的离散区间列表；此外，采用变精度粗糙集理论合理地控制数据离散化产生的信息丢失，减少分类错误。仿真结果和统计分析表明，提出的方法有较好的C5.0决策树分类能力。
2023-04-05 17:10:55
1.04MB
1
中断向量表
DSP2407 有两个向量表
(1) CPU向量表用来获取响应CPU中断请求的一级通用中断服务子程序(GISR)。
(2) 外设向量表用来获取响应某一特定外设事件的特定中断服务子程序(SISR)
2023-04-04 19:03:59
1.22MB
1