双树RRT算法，地图使用bmp文件，可以自己指定或者使用画图软件编写

RRT基本算法仿真，基于三维环境仿真，可更改障碍区

NLP领域取得最重大突破！谷歌AI团队新发布的BERT模型，在机器阅读理解顶级水平测试SQuAD1.1中表现出惊人的成绩：全部两个衡量指标上全面超越人类，并且还在11种不同NLP测试中创出最佳成绩。毋庸置疑，BERT模型开启了NLP的新时代！

LSTM用于人类活动识别 使用智能手机传感器数据集（腰部连接的手机）基于LSTM的人类活动识别。 将运动类型分为以下六类： 步行， WALKING_UPSTAIRS， WALKING_DOWNSTAIRS， 坐下 常设， 铺设。 数据集 可以从下载数据集 点击此以观看有关如何收集数据的视频 通过应用噪声滤波器对传感器信号（加速度计和陀螺仪）进行预处理，然后在2.56秒和50％重叠（128个读数/窗口）的固定宽度滑动窗口中进行采样。 使用巴特沃斯低通滤波器将具有重力和人体运动成分的传感器加速度信号分离为人体加速度和重力。 假定重力仅具有低频分量，因此使用了具有0.3 Hz截止频率的滤波器。 模型 在此仓库中，我们采用了两层堆叠的基本LSTM，几乎使用了原始数据：只有重力效应已从加速度计中滤出，作为另一个3D功能的预处理步骤，以作为帮助学习的输入。 用法 安装TensorFlow r

上传了 2017a 到 2014a 的 Matlab 版本。 该文件具有 DC/DC 双向转换器，无论来自 MG 的电流量如何，都能将 DC 总线电压保持在所需值。 如果您将使用该模型，请参考 Simulink 文件中提到的论文。 谢谢你。

深度学习实验室 字符测试。 seq2seq测试。 word2vec测试。 交叉熵检验。 双向rnn测试。 图片上的卷积运算。 图片上的合并操作。 cnn可视化的颤抖。 InceptionV3模型。 转移学习。

该程序是基于文献“P. W. M. Tsang and T.-C. Poon, “Novel method for converting digital Fresnel hologram to phase-only hologram based on bidirectional error diffusion,” Opt. Express 21(20), 23680–23686 (2013).”所提方法编写的，用于计算全息中的相位恢复问题。采用该算法可快速将复振幅全息转化为纯相位全息，而无需迭代计算

介绍了两个用于双向微分方程和离散系统的构造性广义混沌同步（GCS）定理。 使用这两个定理，可以构造新的混沌系统，使系统变量位于GCS中。 给出了五个例子来说明理论结果的有效性。

从起始点和末端点同时搜索的RRT算法，可以快速有效找到避障路径，在复杂地图环境中任然有效。