硬件描述语言的标准，开发FPGA用，可以用作查找、学习手册。现在的处理器芯片以及各种数字芯片的开发可以预先采用FPGA进行开发，再进行芯片的专门制作。

标准的2-4线译码器VHDL语言行为级描述设计，这个设计包含的工程文件通过ISE编译综合，经过仿真证明准确无误。

用友NC5.6数据库表结构描述（数据字典）,CHM格式

拟无监督的颜色恒定性 本文所述方法的实现： 西蒙妮·比安科（Simone Bianco），克劳迪奥·库萨诺（Claudio Cusano），“准无监督色彩恒定性”-CVPR 2019 该文件可。 另请参见或尝试。

基于内容的图像检索算法研究综述_一些方法总结及描述。

泰利纳 Tellina 使用自然语言处理 (NLP) 将英语句子（例如“在当前文件夹中查找文本文件”）翻译成 bash 命令，例如find . -name "*.txt" find . -name "*.txt" 。 您现在可以在尝试一下。 或者，您可以在本地安装它； 这份文件告诉你如何。 安装 安装 TensorFlow Tellina 使用 Tensorflow 2.0。 按照上的说明进行。 最简单的方法是使用安装。 安装其他依赖： pip3 install -r requirements.txt 设置tellina_learning_module子模块： git submodule update --init --remote git submodule foreach git pull origin master make submodule 要在未来更新tellin

数据结构(用面向对象方法与C++语言描述第二版)

以曲率图作为三维点云数据的特征描述函数，并运用曲率图实现了三维点云数据的配准．对于含有噪声的点云数据，先根据每个点的邻域特性估算其曲率值，然后根据每个点及其周围邻域点的曲率值构造该点的曲率图．通过在多比例空间下曲率图的特征保持分析，可提取到最能反映该点云数据特征的特征点集．对于两两配准，这些特征点集被用于三维点云数据的粗略配准算法中，该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配，由匹配的特征点对进行坐标变换求解，完成了两三维点云的粗略配准，然后运用迭代最近点算法进行精确配准．最后将整个配准算法应用于真实的三维点云数据，结果表明该算法能有效抑制点云采样密度及噪声的影响，能够快速实现点云数据的精确配准．

主要功能： 1、支持单值分类和二值分类的超球体构建 2、支持多种核函数 (linear, gaussian, polynomial, sigmoid, laplacian) 3、支持 2D 或 3D 数据的决策边界可视化 4、支持基于贝叶斯超参数优化、遗传算法和粒子群算法的 SVDD 的参数优化 5、支持加权的 SVDD 资源使用事项： 1、提供了多个示例文件，每个文件的开头都有对应的介绍 2、需要 R2016b 以上的 MATLAB 版本 3、内含详细的使用说明 4、主要用于单类(One-class)分类问题得的研究。对于单分类任务。不是分类问题以“区分不同的类”为目标，也不是回归问题以“对每一个样本产生一个期望输出”为目标，而是给出一个关于训练样本集的描述，同时检测哪些与这个训练样本集相似的(新的)样本。该描述应该覆盖代表训练样本集的样本类，同时，在理想情况下，该描述应该能够将样本空间中其它所有可能的异常样本排除在外。

USB UVC协议，包括1.0、1.1、1.5。USB UVC描述符。