这个是对应PowerDesigner165_Evaluation(破解版) 的汉化包,下载解压后直接覆盖到安装目录中即可。
2021-07-02 15:45:13 93B 汉化
1
Mechanical vibration and shock — Evaluation of human exposure to whole-body vibration — Part 4: Guidelines for the evaluation of the effects of vibration and rotational motion on passenger and crew comfort in fixed-guideway transport systems.
2021-06-30 10:30:06 290KB BSISO2631 whole-body Vibration Evaluation
1
超声波无损检测基础,第一版,仅供学术交流,用于商业用途,责任自负
2021-06-29 15:55:32 16.33MB 超声  无损检测 超声波
1
SOCS三星 用于智能 Web 服务推荐和评估服务的 Web 服务后端。 Android 应用程序可在 Java后端 要求:Java >= 1.5 Maven 命令行安装说明:cd src/SOCSamsung-IntellWebServSele mvn install java -jar target/.jar Eclipse 说明:将 src/SOCSamsung-IntellWebServSele 文件夹导入 Eclipse Run Configurations 以设置 Jetty IntelliJ 说明:将 src/SOCSamsung-IntellWebServSele 文件夹导入 IntelliJ 从项目 Run on Jetty (Alt+Shift+F10) 创建部署工件 (Ctrl+Shift+Alt+S)
2021-06-27 11:04:22 21MB Java
1
记分卡捆绑 高级记分卡建模API评分卡建模尽在于此 文档页面|文档页面: : 自述文件 介绍 Scorecard-Bundle是一个高级Scorecard建模API ,它易于使用且与Scikit-Learn保持一致。 它涵盖了训练计分卡模型的主要步骤,例如使用ChiMerge进行特征离散化,WOE编码,具有信息值和共线性的特征评估,基于Logistic回归的计分卡模型以及针对二元分类任务的模型评估。 Scorecard-Bundle中的所有变换器和模型类均符合Scikit-Learn的fit-transform-predict约定。 一个完整的示例,展示了如何使用记分卡捆绑包构建记分卡:示例笔记本 在https://scorecard-bundle.bubu.blue/中查看详细且对读者更友好的文档 在记分卡捆绑软件中,基于Mamdouh Refaat的书“信用风险记分卡:使用SA
1
接受和使用技术的统一理论(UTAUT)已有十多年的历史了,并已广泛用于信息系统(IS)和其他领域,这是对引入该理论证据的原始论文的大量引用。 在本文中,我们回顾并综合了2003年9月至2014年12月间有关UTAUT的IS文献,对UTAUT及其扩展进行了理论分析,并列出了未来的研究议程。 基于Weber(2012)的理论评估框架,我们研究了UTAUT及其在两组质量维度上的扩展。 即理论的一部分和整个理论。 尽管我们的审查确定了UTAUT的许多优点,但我们还发现,与该理论相关的进步阻碍了技术接受和使用研究的进一步理论发展。 为了制定一个能够推动未来重大工作的研究议程,我们使用惠特顿(Whetten,2009)的跨上下文理论概念分析了UTAUT的理论贡献。 我们的分析揭示了一些局限性,使我们提出了一个多层次的框架,可以作为未来研究的理论基础。 具体而言,该框架将研究上下文和跨上下文理论与理论评估框架相集成,以:(1)在研究上下文的维度和层次上综合现有的UTAUT扩展,以及(2)突出有前途的研究方向。 最后,我们使用建议的框架为与UTAUT相关的未来研究提供了建议。
2021-06-11 16:15:49 978KB Theory evaluation technology acceptance
1
计算机视觉Github开源论文
2021-06-03 09:09:15 1.08MB 计算机视觉
1
河流水质实时评价技术对当前河流水资源管理和保护具有重要意义。本文以淮河水质为例,利用粒子群优化的极限学习机(Particle Swarm Optimization-Extreme Learning Machine,PSO-ELM)分类算法对淮河水质进行类别判定。在极限学习机(ELM)分类算法中随机给定输入权值矩阵和隐含层偏置,需要较多的隐含层节点才能达到所需的精度要求,隐含层节点过多易于出现过拟合现象并增加算法的计算量。本文利用粒子群算法(PSO)优化极限学习机的输入权值矩阵和隐含层偏置,计算输出权值矩阵,以减少隐含层节点。通过对比PSO-ELM、ELM这两种算法发现,PSO-ELM算法以较少的隐含层节点可获得更高的精度,降低了对实验样本的需求量,提高了模型的拟合能力。实验结果表明,PSO-ELM对于水质类别判定具有一定的可行性和有效性。
1
tdoa-evaluation-rtlsdr:用于评估基于RTL-SDR的TDOA系统的Matlab脚本
2021-05-25 16:10:42 16.45MB radio localization correlation receiver
1
本标准涵盖了安全原则、风险缓解、工具、技术和生命周期流程,用于建立和评估可在自主模式下运行的车辆的安全论证。
2021-05-24 12:02:32 43.2MB ul 4600 自主产品 评估