可直接函数调用，根据Alamouti原始论文编写，双发双收。支持BPSK、QPSK、16QAM仿真的即时结果输出。

在Pytorch中CIFAR10 / CIFAR100的正确ResNet实施 提供了许多最新体系结构的实现，但是，其中大多数是为ImageNet定义和实现的。 通常，在其他数据集上使用提供的模型很简单，但是某些情况下需要手动设置。 例如，很少有带有CIFAR10上ResNets的pytorch存储库提供了如所述的实现。 如果仅在CIFAR10上使用Torchvision的模型，您将获得在层数和参数上有所不同的模型。 如果要直接将CIFAR10上的ResNet-s与原始纸张进行比较，这是不可接受的。 此存储库的目的是为原始文件中所述的CIFAR10提供ResNet-s的有效pytorch实现。 提供以下模型： 名称 ＃层 ＃个参数 测试错误（纸） 测试错误（此隐含） 20 27万 8.75％ 8.27％ 32 46万 7.51％ 7.37％ 44 66万 7.17％

V ERY D EEP C ONVOLUTIONAL N ETWORKS FOR L ARGE -S CALE I MAGE R ECOGNITION

·1.【原创资源】内容简介： --------------------------------------------------------------- 这是一个压缩包，里面是东南大学2009年数模一等奖获奖论文，真实性， 可以在获奖名单中查询。对于准备数学建模美国赛的同学绝对有用，资源 难得，要的同学抓紧速下！ --------------------------------------------------------------- ·2.资源使用方法 Adobe pdf浏览 --------------------------------------------------------------- ·3.文件组成形式 格式：pdf文件 /**********************************************/ 文件名如下： abstract_4046.pdf control_4046.pdf /**********************************************/ --------------------------------------------------------------- ·4. wogeguaiguai的附言： 1.我的其他数学建模资源也欢迎您下载，都是非常好的准备比赛要用的资 料。 2.本资料绝对是准备数模美国赛的超级经典资料。 希望对准备该赛的同学们有所帮助。 3.下载本文件后，您可以获得所有信息，不必再零散下载，给您带来很大 的方便。 4.10个资源分，绝对物超所值。评论后，您就可以获得11个资源分，欢迎 您评论！ 5.由于我在参加完美国赛之后不会再做数模了，把资源上传在这里是为了 帮助更多的同学，所以资源上传在这里，即在本人电脑中删除。 --------------------------------------------------------------- ·5.如有问题，请在此留言，谢谢。 --------------------------------------------------------------- ·6.上传时间 2010-2-24-afternoon

最早提出GBDT思想的论文，很多GBDT的原理在里面都已经系统性地进行了阐述，比看博客要更系统

果蝇算法原始论文已经刊登-果蠅最佳化演算法_簡體版.pdf 请各位前辈注意: 台湾学者潘文超老师的果蝇算法原始论文已经刊登, 没有麦片点数的可以上网下载. 附上原始论文及果蝇书籍让各位下载, 麻烦请转寄并通知大家!

这篇文章是 Huffman 发表的以其名字命名的编码方案。已经翻译成中文。

Monodepth2-TF2 这是在TF2.x中实现的monodepth2模型，该原始论文《挖掘到自我监督的单眼深度预测》。 依存关系 tensorflow==2.3.1 (for gpu) cudatoolkit=10.1, cudnn=7.6.5 表现 我正在使用普通的GTX1060-MaxQ GPU。 用于单图像深度估计的FPS： 使用tf.saved_model.load （我认为这是服务模式） 编码器：〜2ms（500 FPS） 解码器：〜2ms 总体而言：> 200 FPS 使用tf.keras.models.load_model与model.predict() ： 整体：〜100 FPS（细节忘了...） 笔记 它目前仅供个人使用，如果需要任何内容​​，请随时与我联系。 请原谅我没有使用参数解析，所以您不能使用一个命令来运行。 在运行演示时，您需要更改一些路径

FFT实现OFDM的原始论文，讲了用傅里叶变换实现多载波调制，考古论文

Hopcroft-Karp算法-[1973年原始论文, 附翻译的中文版]