使用3D运动传感器的姿势和跌倒检测系统
这项工作提出了一种监督学习方法，用于训练姿势检测分类器，并使用Microsoft Kinect v2传感器使用姿势分类结果作为输入来实施跌倒检测系统。 Kinect v2骨架跟踪为25个身体部位提供3D深度坐标。 我们使用这些深度坐标来提取七个特征，这些特征包括对象的高度和某些身体部位之间的六个角度。 然后将这些特征输入到完全连接的神经网络中，该神经网络输出对象的三种已考虑姿势之一：站立，坐着或躺下。 在由多个对象组成的测试数据上，所有三种姿势的平均分类率均达到99.30％以上，这些对象大部分时间甚至没有面对Kinect深度相机，并且位于不同的位置。 这些结果表明，采用提议的设置对人体姿势进行分类的可行性与对象在房间中的位置以及3D传感器的方向无关。
系统演示请观看Posture_fall_detection_demo.mp4视频，以了解姿势和跌倒
2021-09-24 15:17:28
18.11MB
1
最大间隙问题
最大间隙问题：给定n 个实数x1, x2,... , xn，求这n 个数在实轴上相邻2 个数之间的最大差值。假设对任何实数的下取整函数耗时O(1)，设计解最大间隙问题的线性时间算法。
编程任务：对于给定的n 个实数x1, x2,...,xn,编程计算它们的最大间隙。
Input
输入数据的第1 行有1 个正整数n。接下来的1 行中有n个实数x1, x2,... , xn。
Output
程序运行结束时，将找到的最大间隙输出。
Sample Input
5
2.3 3.1 7.5 1.5 6.3
Sample Output
3.2
2021-09-24 12:51:03
840B
1
热传递matlab代码2D传热求解器
稳态二维传热问题的有限元分析。
当人体内部或人体及其周围介质之间存在温差时，就会发生热传递。
使用该软件可以解决传导和对流问题。
求解了热扩散方程，它是亥姆霍兹方程的特例偏微分方程。
范例1：
内部和外部对流边界分别在150度和10环境温度下的热传导问题。
范例2：
在-5度环境温度下，由加热电缆和对流边界提供的点热源的传热问题。
对称边界条件用于解决此问题
范例3：
规定内部温度为140度，外部对流边界为环境温度20度时，传热会出现问题。
范例4：
穿过薄板的热管导致内表面保持在80度。
二维散热片在环境空气温度为20度的条件下进行对流。
如何使用此软件：
转到预处理->导入网格网格格式为**
**
**模板：Heat
2D程序**
*节点1，1.0，-1.0
2、1.0，-0.5
3、1.0、0.0
4、1.0、0.5
5、1.0、1.0
6、0.0，-1.0
7，0.0，-0.5
8、0.0、0.0
9、0.0、0.5
10、0.0、1.0
*
ELEMENT，TYPE
=
S3
1，1，6，2
2
6
7
2
3、2、7、3
4、7、8、3
2021-09-24 10:25:31
14.14MB
1
计算各省之间的欧氏、绝对、明氏距离
解：a=[7.9 39.77 8.49 12.94 19.27 11.05 2.04 13.29
7.68 50.37 11.35 13.3 19.25 14.59 2.75 14.87
9.42 27.93 8.2 8.14 16.17 9.42 1.55 9.76
9.16 27.98 9.01 9.32 15.99 9.1 1.82 11.35
10.06 28.64 10.52 10.05 16.18 8.39 1.96 10.81];
d1=pdist(a);% 此时计算出各行之间的欧氏距离，
为了得到书中的距离矩阵，我们键入命令：
D= squareform(d1), % 注意此时d1必须是一个行向量，结果是实对称矩阵
若想得到书中的三角阵，则有命令：
S = tril(squareform(d1))
2021-09-23 21:03:25
1.07MB
1
使用场景
两个电脑之间想进行文件传输，但是没有u盘（电脑和电脑之间）
手机想要下载电脑上的文件（电脑和手机之间）
实现前提
保证两个设置在同一个路由器下
实现流程
以下教程为电脑与手机之间的文件传输
一、找到需要下载的文件目录：
二、cmd命令行进入该目录：
三、使用命令：python -m http.server 9433
注：python2和3版本的命令不一样，下文会有介绍
四、查看本机的ip
再打开一个新的cmd窗口，输入ipconfig：
五、本机访问192.168.1.35:9433
六、手机访问192.168.1.35:9433
踩坑总结
其中，http.server
2021-09-23 20:58:13
496KB
1
＃＃ 介绍
一种使用作为初始交易资金在两个Uniswap交易所之间套利的机器人。
注意-我不断收到Aave FlashLoan零星的“可用的无效流动性”错误，这使得测试起来很棘手，但以下信息应详细说明我的工作。
自定义UniSwap设置
最初的计划是执行Kyber / Uni Arb功能，并使用Aave Flashloan作为交易的资金来源。 不幸的是，Aave储备令牌与Kybers不匹配，因此我无法继续进行此操作（有关Kyber代码的详细信息，请参见下文）。 为了克服这个问题，我决定修改UniSwap合同，以允许创建具有相同令牌池的两个交易所，在本例中为Eth / DAI池。 这样，我可以通过手动交易一个池而不是另一个池来创建Arb机会。 arbBot将检测机会并通过链上智能合约自动执行交易，在这种情况下，该合约还使用FlashLoan为交易提供资金。
有关自定义合同，请参见unis
2021-09-23 16:29:49
2.64MB
1
matlab的欧拉方法代码神经复合体
（课程于2019年Spring举行）
本课程旨在了解通过计算机模拟的不同数值模型在大脑神经元之间传递信号的过程，从而导致决策，记忆和学习。
用MATLAB编写的代码。
练习：
单神经元模型
PS4：使用欧拉方法对积分和发射模型进行编码，以近似估算不同的电流I。
神经网络
PS5：对环形网络的活动进行编码（具有连接），该网络提供正反馈以关闭神经元，而负反馈则向较远的神经元提供反馈。
然后提供一个输入，该输入也取决于每个神经元的方向。
最后，测试有无连接时输入方向的变化如何影响神经元活动。
PS6（提供的大量代码）：模拟神经网络中神经元的活动，其激发速率具有不同的均值和标准差。
突触重量和神经元数量之间的关系是从理想行为的平均值（低）和SD（高）得出的。
学习与记忆
PS7（a）：Bienenstock-Cooper-Munro（BCM）学习规则的实现，给定在每次模拟开始时随机选择的两种输入模式。
PS7（b）：在两个神经元之间执行尖峰时序相关可塑性（STDP），其中重量变化取决于与突触前神经元尖峰的时间差。
PS8：实现感知器以根据体重变化学习模式。
2021-09-23 16:13:58
1.35MB
1
介绍了Android Activity之间传递图片(Bitmap)的方法，有需要的朋友可以参考一下
2021-09-23 11:00:21
68KB
1