基于MCNN的_HSI_分类 文件 MCNN-CP：使用混合卷积和协方差合并的高光谱图像分类（TGARS 2021） MCNN-PS和Oct-MCNN-PS：使用混合3D八度音程和2D子像素卷积神经网络的高光谱图像分类（已提交TGARS） 1.环境设置 该代码已在配备Intel i7-9750H 2.6 GHz处理器，32 GB RAM和NVIDIA GTX1650图形卡，Python 3.6，tensorflow_gpu-1.14.0，Keras-2.2.4，CUDA 10.0， cuDNN 7.6。 请在运行此代码之前安装相关的库： pip install -r requirements.txt 2.下载日期集： IP：， UH： 上： SA：和 并将它们放入数据目录。 3.下载模型（加载模型）： 代码：caor 并将它们放到models目录中。 4.下载pretrai

matlab光谱算法代码frft2-python python中的离散1d和2d分数阶傅里叶变换 用法： frft2d（mat，ax，ay） mat：要转换的数字矩阵 ax，ay：沿x和y轴的变换顺序 返回垫子的frft光谱 偏移（f，a; p） f：待变换的离散信号 a：转换顺序 p（可选）：近似的顺序，默认情况下等于f的一半 返回f的frft谱 这段代码是从其matlab版本翻译而来的（我实际上不知道该算法是如何工作的xd），一个senpai给了我，我也不知道它的起源。

一维 Burgers 方程使用显式空间离散化（迎风和中心差分）和域 (0,2) 上的周期性边界条件求解。 二维情况在 2X2 的方形域上求解，并且对扩散项使用显式和隐式方法。 沿域的边缘使用Dirichlet边界条件。

试用版 Barcode Xpress ActiveX 64x 试用版 Barcode Xpress .NET  试用版 试用版 开发语言： .NET/ActiveX/Java 可用平台： VB/VC/.NET/Java 当前版本： V11 是一款优秀的、高速的1D和2D条码生成、检测、识别控件，可以把条码放置在页面任何位置，支持Code 39 和128,UPC, EAN,4-state postal codes等一维条码和DataMatrix, QR Code, PDF417, Aztec二维条码

全球结构地震损害预测 使用深度学习技术来检测地震后带有铰链/接头的结构中的损坏。 用于训练数据的网络包括：“一维卷积神经网络”，“ LSTM网络”，“使用频谱图的二维卷积神经网络”。 使用连接到铰链/接头的加速度计记录X和Y轴的数据，并使用SAP2000生成地震情况。 可以在以下位置找到用于训练的数据：（请参考数据集的.zip文件。文件夹中的笔记本未更新） 检查数据后，文件“ Data and Discrepancies.txt”描述了数据中每种情况下发现的差异。 请参阅文件“地震损坏检测2数据预处理.ipynb”以处理数据。 请参阅文件“地震破坏预测2-准备I＆O.ipynb”，以准备要馈入网络的数据并生成两个X＆Y轴的频谱图。 有关训练1D CNN和LSTM的信息，请参阅文件“ Earthquake Network Training 3.ipynb”。 随附的笔记本可能还包

GBA是一款注重便携性和2D图形性能的游戏机，它提供了类似Window的旋转、缩放、α混合、浅入浅出等特性。它有两种位图模式：双倍缓冲模式用于实时重写全屏幕影响，单缓冲模式用于显示静止图像。显示屏是2.9英尺宽的反射TFT彩色液晶。声音方面，除了兼容于GBC之外，GBA有一个PCM立体声发生器，可以通过CPU重叠模拟播放多个轨道。控制器增加了L和R按键。虽然GBA使用的32位RISC CPU在性能和数据处理能力方面都远超过GBC，但是耗电量却少很多，可以连续游戏20小时，因为它混合使用了多种RAM在一个特制的芯片里。GBA的软件可以用C语言编写。总体性能相当于或超过SFC。

2psk/2dpsk的调制和解调，仿真框图，实验报告

PSA（结构分析程序）能够使用FEM（直接刚度法）分析框架结构。 除了提供分析结果外，PSA还可以为用户提供分析过程中生成的各种刚度矩阵，如网页。

此程序包含经典PCA以及2DPCA算法的MATLAB程序，以及在ORL人脸数据库中的人脸识别应用，分类识别算法采用的是SVM。 PCA最高识别率为85% 2DPCA为91% 程序中涉及到一些图片路径的修改，请注意自己修改。 部分重要程序有xxx以及TDxxx两份，分别对应于PCA以及2DPCA程序的使用。 主要识别能力有：单张人脸的类别的识别，全体人脸的识别率的计算，单张人脸的图像近似重构。 特别注意：在test之前一定要先train一下哦： 比如： TDtrain(40,5,5); TDtest