供OD（Ollydbg）学习用的ReverseMe原版exe

学习机器学习用到的一些数学方面的资料合集很全part9of13

2020年9月9日更新： 我尝试拉动并运行它，以发现它与最新的pytorch和Windows不兼容。 我将在下周更新它-现在不会运行。 -本 用法 该演示需要 。 首先，使用--help执行python run_demo.py来查看可选参数。 默认实验是带有MNIST的字典学习演示。 目的 该存储库的最终目标是提供一个稀疏的编码库，该库可实现用于（1）词典学习，（2）传统/凸代码推断（例如ISTA，SALSA）和（3）“展开”可学习编码器（例如，）。 现在，字典学习正在不断发展。 特别是，我正在构建结合了（2）和（3）的编码器类。 然后，我将概括用于形态学成分分析（MCA）的类，这是一种用于源分离的稀疏编码方法。 稀疏编码背景 用信号或图像的基本组成部分来表示通常很有用。 例如，笑脸可以有效地描述为“圆，两个点和曲线”。 至少，这比“像素1：值0.1。像素2：值1”更有效，以此类推。

机器学习的时间序列预测 一组预测时间序列的不同机器学习模型，具体来说是给定货币图表和目标的市场价格。 要求 必需的依赖项： numpy 。 其他依赖项是可选的，但是为了使最终模型更多样化，建议安装以下软件包： tensorflow ， xgboost 。 经过python版本测试：2.7.14、3.6.0。 取得资料 有一个内置的数据提供程序，可以从获取数据。 目前，所有模型都已通过加密货币图表进行了测试。 提取的数据格式是标准安全性：日期，最高，最低，打开，关闭，交易量，报价量，weightedAverage。 但是模型与特定的时间序列特征无关，并且可以使用这些特征的子集或超集进行训练。 要获取数据， 从根目录运行脚本： # Fetches the default tickers: BTC_ETH, BTC_LTC, BTC_XRP, BTC_ZEC for all time periods. $ ./run_fetch.py 默认情况下，将提取Poloniex中所有可用时间段（天，4h，2h，30m，15m，5m）的数据，并将其存储在_data目录中。 您可以通过命令行参

分别有disruptor-3.3.4.jar（Log4j2异步日志的底层实现）、log4j-api-2.19.0.jar（log4j门面）、log4j-core-2.19.0.jar（log4j实现）、log4j-slf4j-impl-2.19.0.jar（SLF4J与Log4j绑定）、slf4j-api-1.7.30.jar（SLF4J门面）、apache-log4j-2.19.0-bin.zip（log4j2的汇总包）

FLAC3D（Fast Lagrangian Analysis of Continua）由美国Itasca公司开发的。目前，FLAC有二维和三维计算程序两个版本，二维计算程序V3.0以前的为DOS版本，V2.5版本仅仅能够使用计算机的基本内存（64K），所以，程序求解的最大结点数仅限于2000个以内。1995年，FLAC2D已升级为V3.3的版本，其程序能够使用护展内存。因此，大大发护展了计算规模。FLAC3D是一个三维有限差分程序，目前已发展到V2。1版本。 　　FLAC3D是二维的有限差分程序FLAC2D的护展，能够进行土 质、岩石和其它材料的三维结构受力特性模拟和塑性流动分析。调整三维网格中的多面体单元来拟合实际的结构。单元材料可采用线性或非线性本构模型，在外力作用下，当材料发生屈服流动后，网格能够相应发变形和移动（大变形模式）。FLAC3D采用的显式拉格朗日算法和混合-离散分区技术能够非常准确发模拟材料的塑性破坏和流动。由于无须形成刚度矩阵，因此，基于较小内存空间就能够求解大范围的三维问题。FLAC3D采用ANSI C++语言编写的。

包含多个低光照增强数据集，LOL(有对比，弱光和正常光（附论文）)、LIME（无对比（附论文））、GladNet-dataset、MEF、DICM、NPE等数据集,有的数据集太大，放在记事本网盘中，自行提取一下了，，，，，，最多能上传1个g。

供OD（Ollydbg）学习用的KeygenMe打包zip，也是小甲鱼OD使用教程第二十讲中用到的程序。（本资源是本人费劲千辛万苦谷歌到的）

供OD（Ollydbg）学习用的URLegal绿色安装包，也是小甲鱼OD使用教程第十八讲中用到的程序。

文档“ArcGIS学习：用Python实现地图四色填充”的实例工具与脚本代码