Matlab研究室上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描视频QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

1.领域：matlab，Bayesian贝叶斯全局优化 2.内容：基于高斯过程的Bayesian贝叶斯全局优化matlab仿真+代码仿真操作视频 3.用处：用于Bayesian贝叶斯全局优化编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

关于顶夸克物理的最新结果，即单顶夸克产生的横截面，玻色子螺旋度和不对称性测量，被用于探测Wtb顶点的Lorentz结构。 通过结合Tevatron和“大型强子对撞机”的相关结果，可以量化对标准模型顶夸克扇区中新的异常物理学贡献的敏感性的增加。 结果表明，在标准模型之外寻找新的物理现象时，结合增加的一组可用精度测量结果可显着提高灵敏度，特别是与当前对大型强子对撞机的高光度预期相比。

之前放了一份劫持补丁的写法（https://bbs.125.la/thread-14255649-1-1.html ）但是需要配合我扩展的WonderWall+黑月来编译。以前都是自己私下用未公开，现在用易越来越少了，现在放出来也算对易做点贡献，希望能帮助到易友。 主要功能就是支持全局变量的汇编写法，这个在15年左右的时候就写好了，由于自身比较懒一直没有写支持多行模式的，反正将就着用。汇编支持全局变量的好处是显而易见的，在hook的时候更加的灵活，无论什么类型的调用都可以轻松掌控。 下面就是一些较原版WonderWall更新的内容，记得的大概就这些： 特别声明:只支持5.11版本的易语言 +加入内联支持全局变量(单行)+模块快捷添加+DLL编译,导出函数支持nake处理(在源文件目录下新建一个和源文件同名+_nake.ini 的文件,内容是需要处理的函数名称)*改变调用内联汇编模块Fasm方式，方便更新Fasm.dll随时替换在原有WonderWall基础上扩展,这里感谢baby的无私开源!使用方法:按解压后文件结构复制到易安装目录.+调试信息长度去除限制，以前输出信息太多会被自动清空。+源文件名+_Command.ini 可以定义编译参数，格式如下[linker]extra_args= /MAP;  extra_args用于指定附加给链接器的额外参数。默认为空。/NOD:libc.lib /BASE:0x13140000 /DEBUG /PDB:none;  VS2010编译器 要想基址固定，在链接器中去掉/DYNAMICBASE加上/FIXED+源文件名+.def 放置到源码目录，可以改变导出函数序号，exe也能导出函数+输出链接命令行参数+增加编译时显示等待信息框，方便改变链接时候修改链接的文件,如.def .obj这些+修正Win10系统中输入时输入法窗口不在光标位置的问题 特别声明:只支持5.11版本的易语言 支持win10，黑月+WonderWall Plus 组合没有问题，其他插件未测试。 放几张以前代码中的使用图片

针对现有故障选线方法用于中性点经消弧线圈接地系统或相电压过零点附近发生故障时选线不准确的问题,提出一种基于局部全局一致性学习算法的小电流选线方法,即首先对线路接地故障原始信号进行傅里叶变换,然后将各故障信号的特征量输入局部全局一致性学习算法,通过标签循环传递判断故障特征信号,从而选出故障线路。通过Matlab仿真模型与实验室测试平台对该方法进行了研究,结果表明该方法具有较高的选线可靠性与准确性。

VB6编写，用于WINDOWS全局热键，也就是只要程序在后台运行，即可用热键呼出，支持多热键，功能键组合键，如F10,F11等。API代码，无第三方控件。

易语言注册热键模块源码,注册热键模块,注册全局热键,新窗口程序,撤销指定热键,撤销所有热键

基于无记忆BFGS拟牛顿法结构提出一个新的修正Liu-Storey(LS)非线性共轭梯度法(简称MLSCG算法)。在精确线搜索下MLSCG算法化归为标准的LS共轭梯度算法。MLSCG算法产生的搜索方向不依赖于线搜索准则而具有充分下降性。新方法在一个Armijo型线搜索下具有全局收敛性。数值试验表明：对于多数算例，新算法比PRP、HS、LS算法具有更好的计算结果。

提出了一种融合全局和局部深度特征（GLDFB）的视觉词袋模型。通过视觉词袋模型将深度卷积神经网络提取的多个层次的高层特征进行重组编码并融合，利用支持向量机对融合特征进行分类。充分利用包含场景局部细节信息的卷积层特征和包含场景全局信息的全连接层特征，完成对遥感影像场景的高效表达。通过对两个不同规模的遥感图像场景数据集的实验研究表明，相比现有方法，所提方法在高层特征表达能力和分类精度方面具有显著优势。

C# 新手学习群，各种技术的学习，Q群14025240