- 博客(0)
- 资源 (934)
- 收藏
- 关注
RSS订阅72个绿色扁平化日常生活常用PPT图标素材
这是72个绿色扁平化日常生活常用PPT图标素材，第一PPT模板网提供精美幻灯片图标免费下载；
关键词：绿色常用幻灯片图标素材，扁平化可编辑PPT图标免费下载，.PPTX格式；
2021-07-16
java代码-定义一个学生类，使用LinkedList对学生类进行管理，执行添加操作，并打印数据。 支明超 46
java代码-定义一个学生类，使用LinkedList对学生类进行管理，执行添加操作，并打印数据。 支明超 46
2021-07-16
彩色水彩卡通感恩母亲节活动策划PPT模板
彩色水彩卡通感恩母亲节活动策划PPT模板，共24页；
PPT模板采用了水彩插画风格设计制作。首页绘制了粉色花卉、绿叶植物、母亲还女儿的PPT背景图片。中间放置感恩母亲节PPT标题。界面温馨可爱。
PowerPoint模板内容页，由多张妈妈跟孩子的卡通插图，搭配活动策划文案排版。
本模板适合用于制作关于母亲的PPT，以及感恩母亲节活动策划方案PPT等。.PPTX格式；
2021-07-16
灯笼鞭炮背景的元旦快乐PPT模板
这是一套灯笼鞭炮背景的元旦快乐PPT模板，共25页；
PPT模板封面使用了红色灯笼、鞭炮、礼花等背景图片。中间放置金色元旦快乐PPT艺术字标题。界面精致喜庆。
本模板适合用于制作元旦晚会PPT，企业公司年会盛典PPT等。.PPTX格式；
2021-07-16
水泥炉窑高能效低排放关键技术研发及应用进展-论文
工业炉窑的高能效低排放关键技术能够有效提升炉窑能源利用效率、降低污染物排放。综述了节能管控与余热利用、富氧煅烧、分级燃烧以及颗粒物分离与资源化利用等工业炉窑节能减排共性关键技术的研发及其在2 500～5 000 t/d水泥炉窑上的集成应用。基于工业炉窑物质流与能量流的匹配关系，开展了节能管控平台的设计，开发了满足多品种工艺目标要求的水泥炉窑能量流优化重组节能新技术，并进行了水泥炉窑物质流与能量流匹配的节能管理平台工业示范的实施；采用低能变压吸附制氧技术与水泥熟料煅烧有机结合的新工艺，研发了满足产品种类及产量质量宽阈度变化生产的水泥炉窑富氧煅烧技术，并进行了工业示范；针对NOx和SOx等高排放问题，综合优化了分解炉分级燃烧、SNCR脱硝等技术，并进行了水泥分解炉分级燃烧和SNCR优化脱硝技术工业示范的实施；针对排放物减排与资源化利用，研发了烟气深度降温除尘颗粒排放物的净化分离与再利用新技术，并进行了工业炉窑气固排放物质的高效分离与洁净利用技术工业示范的实施，实现了颗粒物洁净排放及资源化利用
2021-07-08
用于煤矸识别的振动传感器设计-论文
目前自动化放顶煤开采煤矸识别技术中，伽马射线成本太高且对人体有害；红外技术受环境温度影响较大；雷达探测在煤层较厚时信号衰减严重；声音技术成本低、难度小，但受外界声音信号干扰严重；图像技术在煤矸颜色差别大时有效，但受粉尘、光线因素影响较大；振动技术具有声音技术的优点，同时又可以避免环境噪声干扰，具有较高的检测精度。顶煤和矸石在硬度等诸多性能上都有所不同，落到液压支架尾梁上时产生的振动信号也表现出不同的特征。针对该特征，设计了一种振动传感器，该传感器安装在液压支架尾梁的腹板处，对顶煤或矸石砸到液压支架上产生的振动信号进行感知，通过信号处理和分析辨识出放煤过程中的煤块和矸石。该传感器利用加速度计采集尾梁振动信号，并对采集数据进行前端滤波处理；利用傅里叶变换对数据进行功率谱分析，得到单位时间内的最大振动频率、幅值及功率谱能量。实验室测试结果表明，该传感器测量误差在1%以内。井下测试结果表明，振动传感器采集的信号大部分是煤块落下时的振动信号，其频率范围为100～200Hz，而矸石落下时的振动信号频率在200Hz以上，根据振动信号特征能够识别出顶煤和矸石。
2021-07-08
使用FPGA/CPLD设计只读存储器/随机存取存储器的教程
本文档介绍电子技术基础知识存储器、复杂可编程器件和现场可编程门阵列，内容包括： 1 只读存储器，2 随机存取存储器，3 复杂可编程逻辑器件，4 现场可编程门阵列，5 用EDA技术和可编程器件的设计例题
2021-07-07
颜色分类leetcode-AD_Prediction:使用ResNet、AlexNet预测阿尔茨海默病
颜色分类leetcode
AD-预测
使用脑
MRI
图像预测阿尔茨海默病的卷积神经网络
抽象的
阿尔茨海默病
(AD)
的特点是严重的记忆丧失和认知障碍。
它与显着的大脑结构变化有关，这可以通过磁共振成像
(MRI)
扫描来测量。
可观察到的临床前结构变化为使用图像分类工具（如卷积神经网络
(CNN)）进行
AD
早期检测提供了机会。
然而，目前大多数
AD
相关研究都受到样本量的限制。
找到一种在有限数据上训练图像分类器的有效方法至关重要。
在我们的项目中，我们探索了基于
CNN
的不同转移学习方法，用于
AD
预测脑结构
MRI
图像。
我们发现，与从头开始训练的深度
CNN
相比，具有
2D
表示方法的预训练
2D
AlexNet
和具有预训练
3D
自动编码器的简单神经网络都提高了预测性能。
预训练的
2D
AlexNet
的表现甚至优于带有自动编码器的
3D
CNN（
77%
）（
86
%
）。
方法
1.
数据
在这个项目中，我们使用了来自阿尔茨海默病神经影像学倡议
(ADNI)研究的公共大脑
MRI
数据。
ADNI
是一项正在进行的多中心队列研究，从
2004
年开
2021-07-06
颜色分类leetcode-Hands-On-Ensemble-Learning-with-Python:使用Python进行实践集成学习，由p
颜色分类leetcode
使用
Python
进行实践集成学习
这是
的代码库，由
Packt
发布。
使用
scikit-learn
和
Keras
构建高度优化的集成机器学习模型
这本书是关于什么的？
集成是一种技术，用于组合两个或多个相似或不同的机器学习算法，以创建具有卓越预测能力的模型。
本书将演示如何使用各种弱算法来构建强预测模型。
凭借其动手实践的方法，您不仅可以快速了解基本理论，还可以了解各种集成学习技术的应用。
使用示例和真实世界的数据集，您将能够生成更好的机器学习模型来解决监督学习问题，例如分类和回归。
在本书的后面，您将继续利用集成学习技术（例如聚类）来生成无监督机器学习模型。
随着您的进步，这些章节将涵盖在实际世界中广泛用于进行预测和分类的不同机器学习算法。
您甚至会掌握使用
Python
库（例如
scikit-learn
和
Keras）来实现不同的集成模型。
读完本书，您将精通集成学习，并具备了解哪个问题需要哪种集成方法所需的技能，以便在实际场景中成功实施它们。
本书涵盖了以下令人兴奋的功能：
实现集成方法以生成高精度模型
克服偏见和方差等挑战
探索机器学习
2021-07-06
leetcode赛车-solver-codingame:存储库包含来自codeame的已解决难题（在C#中）
leetcode赛车简短的介绍
该存储库包含
CodinGame
已解决问题的列表，大部分是用
C#
编写的。
您可以在下方看到包含所有详细信息的表格。
检查我的
.
如果你想要我的其他已解决的
LeetCode
问题，请检查它们。
问题清单
名称
主题
网址
困难
分数
日期
雷神之力
使适应
简单的
100%
2017年
下降
循环
简单的
100%
2017年
火星着陆器
使适应
简单的
100%
2017年
ASCII
艺术
字符串、数组、循环
简单的
100%
2017年
查克·诺里斯
字符串、编码、循环、条件
简单的
100%
2017年
MIME
类型
条件、循环、哈希表、字符串
简单的
100%
2017年
入职
使适应
简单的
100%
2017年
温度
条件、循环、数组
简单的
100%
2017年
赛马双人
循环
简单的
100%
2017年
除颤器
循环、距离、三角学
简单的
100%
2017年
没有勺子
列表
中等的
100%
2017年
战争
队列
中等的
100%
2018年
Aneo
赞助的拼图
数学，间隔
中等的
100%
2019年
骑士之影（蝙蝠
2021-07-01
javalruleetcode-leetcode:用java、c实现的LeetCode问题解决方案
java
lru
leetcode
去做
对自己解法不满意，或者想看看人生解法：
No.28
实现strStr()
No.119
帕斯卡三角II
No.167
二和二
-
输入数组排序
No.169
多数元素
No.217
包含重复
No.543
二叉树直径
No.211
添加和搜索词-数据结构设计
需回顾解法：
力扣
(Java)
解决方案（运行时间：100%）
解决方案（运行时间：10.19%）
解决方案（运行时间：96.33%）
解决方案（运行时间：100%）
解决方案（运行时间：98.18%）
No.167
二和二
-
输入数组排序
（运行时间：30.22%）
（运行时间：16.67%）
No.169
多数元素
（运行时间：29.57%）
解决方案（运行时间：99.9%）
解决方案（运行时间：56.7%）
解决方案（运行时间：93.16%）
#
标题
困难
解决方案
1
简单的
(99.73%)、
(99.73%)
2
中等的
(97.82%)
3
中等的
(7.12%)、
(51.84%)、
(86.02%)
4
难的
(82.43%)、
(82.39%)、
(82.30%)
2021-06-29
leetcode2-advanced-interview-prep20:UCLAACMICPC高级面试准备问题及解决方案
leetcode
2
高级技术面试准备问题及解决方案
:watch:
由加州大学洛杉矶分校
ACM
ICPC
主办问题：
ICPC脸书群：
你好呀！
欢迎阅读
ACM
ICPC
为您呈现的高级技术面试指南。
如果您想提高自己的技术技能，这是一个很好的起点。
如果您不知道在技术面试中会遇到的问题类型，请务必先查看我们的
CS32
面试准备指南，然后再回来。
如果您已经这样做了，那么您来对地方了。
目录
:high_voltage:
数组
:dolphin:
数组问题通常与字符串问题互换，是技术面试中最常见的一些问题。
正如我们之前了解到的，数组如此受欢迎的原因在于它们存储数据的简单性。
在处理数组时，您希望处理
O(N)
或
O(log(N))
范围内的算法。
这是通过带有索引的恒定时间访问来实现的。
当需要排序时，我们将使用
O(NlogN)
算法。
让我们来看看一些普通的数组问题。
两指法
:globe_showing_Asia-Australia:
通常，我们会遇到乍一看可能有
O(N^2)
解决方案的问题。
如果涉及排序，则双指针方法允许我们以
O(N)
或
O(Nlog(N))
解决此类问题。
顾名思义，它涉及两个指针，一个从头开始，一个从尾开始。
在每次迭代中，我们将开始指针或结束指针
2021-06-29
使用基于肌肉的特征模型识别面部表情
使用基于肌肉的特征模型识别面部表情
使用基于肌肉的特征模型识别面部表情
Hiroshi
Ohta
日本冈山理科大学电子工程系
700-0005
Hitoshi
Saji
和
Hiromasa
Nakatani
计算机科学系，静冈大学，滨松,
Japan
432-8011
总结
我们提出了一种从图像序列中识别面部表情的技术。
该技术使用基于肌肉的面部模型来跟踪面部组件的运动，例如眉毛、眼睛和嘴巴。
该模型由面部特征点和与面部肌肉对应的向量组成。
通过将模型与面部图像进行匹配，从模型的变形中获得面部肌肉的收缩程度。
面部表情的合理性在肌肉收缩向量和主要表情的代表性向量之间定义。
实验结果表明，这些向量对应于面部表情的变化，并且向量可以识别出快乐、惊讶、愤怒和悲伤四种面部表情。
通过对合理性进行阈值处理并找到某个表达式的开始和结束，可以将图像序列划分为表达式段。
:copyright:
2000
Scripta
Technica,
Syst
Comp
Jpn,
31(10):
78
88,
2000
关键词：面部图像；
面部模型；
表达的识别。
一、引言人脸显示了人的特征、情绪等各种信息。
2021-06-29
WISC-R 和 WRAT 的关系：一项基于选定人群的研究
The relationship of the WISC-R and WRAT: A study based upon a selected population
T H E RELATIONSHIP OF T H E WISC-R AND WRAT:
A STUDY BASED UPON A SELECTED POPULATION
F. GENE SCHWARTING AND KATHLEEN R. SCHWARTING
Omaha Public Schools
So as to compare predicted achievement based upon WISGR IQs and ob-
served achievement by the WRAT standard scores, both instruments were
administered by the same school psychologist to 282 urban students referred
for sychological evaluation. The corr
2021-06-29
评估多处理器系统上的回滚点
多处理器系统上的回滚点评估
多处理器系统上的回滚点评估
Kiyomitsu
Yoneda、Takashi
Matsubara
和
Yoshiaki
Koga
计算机科学系，国防学院，神奈川县，日本
239-8686
总结回滚恢复是一种众所周知的技术覆盖系统免受容错特性的故障。
将此方法应用于多处理器系统时，可能会出现多米诺骨牌效应。
在本文中，我们讨论了在假设处理器连接可靠通信的情况下，在整个系统中从一致的检查点重新启动而不会丢失消息的方法。
此外，我们提出了一种通过使用时间逻辑在每个处理器中从当前更新检查点和通信快速回滚来获取检查点的方法。
:copyright:
2000
Scripta
Technica,
Syst
Comp
Jpn,
31(11):
24
30,
2000
关键词：多处理器系统；
回滚恢复；
多米诺骨牌效应;
一致性;
时间逻辑。
1.
引言
随着计算机系统网络技术的进步，多处理器系统已广泛应用于控制系统以提高性能和功能。
一个过程的故障可能会导致系统故障，因此有必要为该系统提供容错技术。
回滚恢复是一种众所周知的技术，可以从故障中恢复系统。
在无故障操作期间设
2021-06-29
易语言-简单天涯对象法登录回贴采集全易语言
简单天涯登录回贴采集易语言源码例程程序结合易语言扩展界面支持库，调用API函数实现天涯登录回贴采集。易语言例程还使用到易语言互联网支持库,正则表达式支持库,超文本浏览框支持库,应用接口支持库。
2021-06-29
Structural Study and Solution Integrity of Dioxomolybdenum(VI) Complexes with Tridentate Schiff Base and Azole Ligands
Structural Study and Solution Integrity of Dioxomolybdenum(VI) Complexes with Tridentate Schiff Base and Azole Ligands
Structural Study and Solution Integrity of Dioxomolybdenum(VI) Complexes
with Tridentate Schiff Base and Azole Ligands
Cungen Zhanga, Gerd Rheinwaldb, Vasile Lozana, Biao Wua, Paul-Gerhard Lassahna, Heinrich Langb, and
Christoph Janiaka,*
a Freiburg, Institut für Anorganische und Analytische Chemie der Universität
b Chemnitz, Institut für Chemie, Technische Universität Chemn
2021-06-29
易语言-E2EE支持库读写共享锁例程
提供读写共享锁的目的是什么?有什么用?
首先,这里需要讲一下,什么是多线程?
多线程就是在一个进程内,开启线程,多条线程可以做不同的事情,也可以做同一件事情,如果,多条线程做同一件事件
那么,他们就需要使用到共同的资源
比如,一个全局变量,或者全局数组....
再或者,硬盘中的一个文件
如果对一个全局变量进行有读有写的操作,那么就需要用到E2EE支持库里的"读写共享锁"
或多线程支持库里的"创建进入许可证,删除进入许可证,进入许可区,退出许可区"
而且在使用这些函数的时候,需要注意的是,有进入,就必须要有退出,如果只进入了,不退出,所有使用此锁的线程,都可能会因此而卡死
那么,读写共享锁和多线程支持库里的许可证有什么区别呢?
区别在于,读写共享锁内部有一个计数器,支持并发读,单一写.
多线程支持库中的许可证,只支持,单读,或者写...
注意:程序集变量,局部静态变量 都视为全局变量
2021-06-29
易语言-小刚图标提取易语言
小刚图标提取易语言源码例程程序结合易语言扩展界面支持库,实现文件中图标资源的提取。易语言例程还使用到易语言多线程支持库,易语言应用接口支持库,操作系统界面功能支持库。
点评：小刚图标提取易语言源码是一款比较完整的易语言图标提取软件，对于图片组的学习有所帮助。
2021-06-29
Rust :heart: Emacs
锈:red_heart:Emacs社区驱动的Emacs到Rust 的移植。目录为什么是 Emacs？为什么生锈？为什么是叉子？入门要求Docker化开发环境构建 Remacs运行 Remacs设计目标进步移植 Elisp 原始函数贡献为什么是 Emacs？Emacs 将改变您对编程的看法。Emacs 是完全自省的。你总能找到“当我按下这个按钮时运行什么代码？”。Emacs 是一个增量编程环境。没有编辑-编译-运行循环。甚至没有编辑运行周期。您可以执行代码片段并逐渐将它们变成一个完成的项目。您的编辑器和解释器之间没有区别。Emacs 是一个可变环境。您可以设置变量、通过建议调整函数或重新定义整个函数。没有什么是禁区。Emacs提供无需应用程序的功能。不是单独的应用程序，而是将功能全部集成到您的 Emacs 实例中。令人惊讶的是，这有效。曾经想使用相同的代码片段工具来编写 C++ 类和电子邮件吗？Emacs 充满了尚未成为主流的令人难以置信的软件概念。例如：许多平台都有一个单项剪贴板。Emacs 有一个无限剪贴板。如果您撤消更改，然后继续编辑，则无法重做原始更改。Emacs 允许撤销任何历史状态，甚至允许基
2021-06-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人