Bootstrap可视化布局离线版

经典的稀疏表示SRC算法，适合广大人脸识别的同学使用参考-The classic sparse representation SRC algorithm

完整版MATLAB GUI设计学习手记第二版作者：罗华飞

相信搞制冷的伙伴们都知道Refprop的这个玩意，重要性不言而喻，但是对于刚接触Refprop的小伙伴们来说，根部不知道从哪里入手去操作这个软件，而且郁闷的是，这个软件目前只有英文版本的，不出中文版的，所以有些小伙伴就束手无策了，不知道怎么用这个软件，今天我就要跟大家说一说这个玩意的用法，都是一些基本的操作。

基于单片机的WIFI手机端显示图像控制小车上位机源码

关于光学的COMSOL仿真分析，可以作为参照的例子进行练习InTechc0 fmod multiohydicd解决方案·几何光学粒子追踪模块波动光学RF模块W问m仿真智领创新Simulating inspires innovationInTech主要特征Luneburg透镜粒子追踪现在是可用的物理接口:一利用 COMSOL求解基于有限元问題的强大求解景一轻松模拟成百上千的粒子能使用参数扫描磁透镜可指定粒子的边界条件解储存于模型而非在后处理射计算隐式时间步进支持粒子/场相互作用预定义力作为模型中可用在C.CO四极质谱仪Hamilton算子允许模拟光线追踪新的后处理工具仿真智领创新Simulating inspires innovationInTech光学隐身com仿真智领创新Simulating inspires innovationInTechameland透镜仿真智领创新Simulating inspires innovationInTech模块理论基础RF Radio Frequency(Electromagnetic Waves)3kHz-300GHz高频电磁波电尺寸=结构尺寸/波长>1/100基于经典 Maxwell d磁理论。A+Y×xA)=0时域分析OAot ratVx(u-VXE)-oEE=0频域分析X(EVxHH=0仿真智领创新Simulating inspires innovationInTech电磁波领域研宽課题电磁波的产生各种波源的辐射机制电磁波的传播听射/千涉WdoC反射/折射/散射/吸收光电/热/力效应仿真智领创新Simulating inspires innovationInTech数值分析散射分析散射强度透射/反射率波导分析一模式:坜分布,传播常数透射/反射率腔模分析共振频率品质因子噼态传播/非线性效应docin. col一群速度(色散)倍频产生、自聚焦、自相位调制等多场耦合光与热,电,磁,力特性的耦合仿真智领创新Simulating inspires innovationInTech纳米光子学仿真需求纳米材料/结构的光学特性光纤/波导波导分析纳米光子学器件激光器纳米光子学隐形斗篷稳态传输特性分析光刻纳米结构的光镊/先光势阱光学制备、表征方法分子探测瞬态/非线性效应分析仿真智领创新Simulating inspires innovation

国界 bou1_4m.zip -- bou1_4l.shp 中国国界 bou1_4p.shp 国界与省界 bou2_4m.zip 中国省界 bou2_4l.shp 无背景 中国省界 bou2_4p.shp 有背景首都和省级行政中心 res1_4m.zip 省会标示 res1_4m.shp地市级以上居民地 res2_4m.zip一级河流 hyd1_4m.zip三级以上河流 hyd2_4m.zip主要公路 roa_4m.zip主要铁路 rai_4m.zip地级行政界线 bou3_4m.zip县级行政界线 bo

差分进化算法源代码，下载后无须修改就可以直接使用

设计一个小型的企业网络 现有50台计算机，设计一个小型企业网络方案，要求：1．资源共享，网络内的各个桌面用户可共享数据库、实现办公自动化系统中的各项功能；2．通信服务，最终用户通过广域网连接可以收发电子邮件、实现Web应用、接入互联网、进行安全的广域网访问；3. 要求能根据实际问题绘制拓扑结构图，拓扑结构图可以是树形、星形、网状形、环状形及混合形结构的之一，清晰的描述接口，进行路由器或交换机的代码配置实现，并且每个方案的需有以下几部分的内容：1)、需求特点描述；2)、设计原则；3)、解决方案设计，其中必须包含：（1）设备选型；（2）拓扑图；（3）VLAN划分；（4）I

遗传优化神经网络权值和阈值，是本人的课程设计

基于卷积神经网络的图像识别 基于卷积神经网络的图像识别关于学位论文独创声明和学术诚信承诺本人向河南大学提出硕士学位申请。本人郑重声明:所呈交的学位谂文是本人在导师的指导下独立完成的,对所研究的课题有新的见解。据我所知,除文中特别加以说明标注和致谢的地方外,论文中不包括其它人已经发表或撰写过的研究成果,也不包括其它人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意在此本人郑重承诺:所呈交的学位论文不存在舞弊作伪行为,文责自负。学位申请人(学位论文作者)签名:亚强2015年5月20日关于学位论文著作权使用授权书本人经河南大学审核批准授予硕士学位。作为学位论文的作者,本人完全了解并同意河南大学有关保留、使用学位论文的要求,即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文(纸质文本和电子文本)以供公众检索、查阅。本人授衩河南大学出于宣扬、展览学校学术发展和进行学术交流等目的,可以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文(纸质文本和电子文本)(涉及保密内容的学位论文在解密后适用本授权书)学位获得者(学位论文作者)签名:卫2015年5月20日学位论文指导教师签名:2015年5月20日摘要Deep learning是机器学习研究的新领域,掀起了机器学习的新浪潮,在各个行业都受到了广泛的关注。 Google brain项目、微软全自动同声传译系统、百度硏究院等都是 deep learning技术发展的见证。随着大数据和深度模型时代的来临,deeplearning技术也得到了广泛的重视和发展,它带来的技术进步也必将改变人们的生活随着机器学习领域的发展,最近几年对卷积神经网络的研究也越发深入。现在卷积神经网络已经广泛的应用到各种领域,并取得了巨大的成果。卷积神经网络是在人工神经网络的基础上发展起来的·种高效的识别算法。典型的积网络结构是由 Lecrn提出的 LeNe t-5,它包含多个阶段的卷积和抽样过程,然后将提取到的特征输入到全连接层进行分类结果的计算。卷积神经网络通过特征提取和特征映射过程,能够较好的学习到图像中的不变特征。现在研究人员在典型的 LeNet5的基础上,使用多种方法改善卷积网终的结构和性能,从而提高网终的通用性和对图像的识别效果。本文结合图像的特点,在深入硏究了卷积网络的理论和国内外研究成果的基础上主要做了以下工作:(1)研究了卷积网络的训练算法,通过对算法分析,调试并找到最优初始化参数和最适应的网络结构配置。(2)对于分类结果的计算,使用了多区域的测试方法,通过在测试的过程中对图像的多个区域进行计算能够提高图像识别的准确率。〔3)为系统设计了一个通用的数据集输入接口,可以将自己构建的图像薮据集输入到卷积神经网络的结构中,训练和查看图像分类的结果。(4)在卷积层使用了局部偏差垬亨和非共亨两种方法,在数据集上测试并进行结果分析。(5)在隐含层使用了网络泛化的方法 DROPOUT,在数据集上测试并进行结果分析。通过以上改进方法的使用,卷积网络的通用性和性能得到了提高。关键词:,图像识别,特征提取