弈心——最强的五子棋引擎尽管五子棋先后于1992年、2001年被计算机证明原始无禁手、原始有禁手规则下先手必胜，在五子棋专业比赛中采用现代开局规则（如基于无禁手的两次交换规则（Swap-2），基于有禁手的索索夫-8规则（Soosorv-8））远比原始规则复杂，并未被终结。
然而，相比电脑象棋，电脑五子棋的发展是缓慢的。
顶级五子棋程序虽长于局部计算，但缺乏大局观，因此很多五子棋专家相信目前的五子棋程序依旧无法超越最强的人类棋手。
通过分析当今五子棋程序的弱点并提出与之对应的解决策略，五子棋程序弈心被设计出来。
弈心具有独特的偏向战略的棋风，擅长全局优势的积累。
弈心成为第13届、14届、15届、16届、17届、18届Gomocup冠军，并以400Elo等级分的优势领先处于第二位的五子棋程序。
2017年，弈心成为首个在公开比赛中战胜人类顶尖棋手的人工智能程序。

MATLAB中AR模型功率谱估计中AR阶次估计的实现-psd_my.rar（最近看了几个关于功率谱的问题，有关AR模型的谱估计，在此分享一下，希望大家不吝指正）（声明：本文内容摘自我的毕业论文——心率变异信号的预处理及功率谱估计）（按：AR模型功率谱估计是对非平稳随机信号功率谱估计的常用方法，但是其模型阶次的估计，除了HOSA工具箱里的arorder函数外，没有现成的函数可用，arorder函数是基于矩阵SVD分解的阶次估计方法，为了比较各种阶次估计方法的区别，下面的函数使用了'FPE','AIC','MDL','CAT'集中准则一并估计，并采用试验方法确定那一个阶次更好。
）………………………………以上省略……………………………………………………………………假设原始数据序列为x，那么n阶参数使用最小二乘估计在MATLAB中实现如下：Y=x;Y(1:n)=[];m=N-n;X=[];%构造系数矩阵fori=1:m  forj=1:n      X(i,j)=xt(ni-j);  endendbeta=inv(X'*X)*X'*Y';复制代码beta即为用最小二乘法估计出的模型参数。
此外，还有估计AR模型参数的Yule-Walker方程法、基于线性预测理论的Burg算法和修正的协方差算法等[26]。
相应的参数估计方法在MATLAB中都有现成的函数，比如aryule、arburg以及arcov等。
4.3.3AR模型阶次的选择及实验设计文献[26]中介绍了五种不同的AR模型定阶准则，分别为矩阵奇异值分解（SingularValueDecomposition,SVD）定阶法、最小预测定误差阶准则（FinalPredictionErrorCriterion,FPE）、AIC定阶准则（Akaika’sInformationtheoreticCriterion,AIC）、MDL定阶准则以及CAT定阶准则。
文献[28]中还介绍了一种BIC定阶准则。
SVD方法是对Yule-Walker方程中的自相关矩阵进行SVD分解来实现的，在MATLAB工具箱中arorder函数就是使用的该算法。
其他五种算法的基本思想都是建立目标函数，阶次估计的标准是使目标函数最小化。
以上定阶准则在MATLAB中也可以方便的实现，下面是本文实现FPE、AIC、MDL、CAT定阶准则的程序（部分）：form=1:N-1  ……    %判断是否达到所选定阶准则的要求  ifstrcmp(criterion,'FPE')    objectfun(m1)=(N(m1))/(N-(m1))*E(m1);  elseifstrcmp(criterion,'AIC')    objectfun(m1)=N*log(E(m1))2*(m1);  elseifstrcmp(criterion,'MDL')    objectfun(m1)=N*log(E(m1))(m1)*log(N);  elseifstrcmp(criterion,'CAT')    forindex=1:m1        temp=temp(N-index)/(N*E(index));    end    objectfun(m1)=1/N*temp-(N-(m1))/(N*E(m1));  end    ifobjectfun(m1)＞=objectfun(m)    orderpredict=m;    break;  endend复制代码orderpredict变量即为使用相应准则预测的AR模型阶次。
（注：以上代码为结合MATLAB工具箱函数pburg,arburg两个功率谱估计函数增加而得，修改后的pburg等函数会在附件中示意，名为pburgwithcriterion）登录/注册后可看大图程序1.JPG(35.14KB,下载次数:20352)下载附件 保存到相册2009-8-2820:54上传登录/注册后可看大图程序2.JPG(51.78KB,下载次数:15377)下载附件 保存到相册2009-8-2820:54上传下面本文使用3.2.1实验设计的输出结果即20例经预处理的HRV信号序列作为实验对象，分别使用FPE、AIC、MAL和CAT定阶准则预测AR模型阶次，图4.1（见下页）为其中一例典型信号使用不同预测准则其目标函数随阶次的变化情况。
从图中可以看出，使用FPE、AIC以及MDL定阶准则所预测的AR模型阶次大概位于10附近，即阶次10左右会使相应的目标函数最小化，符合定阶准则的要求，使用CAT定阶准则预测的阶次较小，在5~10之间。
图4.2（见下页）为另一例信号的阶次估计情况，从中也可以得到同样的结论。
（注，实验信号为实验室所得，没有上传）登录/注册后可看大图图片1.JPG(28.68KB,下载次数:5674)下载附件 保存到相册2009-8-2820:54上传

人眼定位clearallx=imread('C:\wuzun.jpg');%读取原始图像figure(1);subplot(1,4,1);imshow(x);title('原图像1');y=rgb2gray(x);subplot(1,4,2);imshow(y);title('图像1的灰度图');%图1灰度图u1=imnoise(y,'salt&pepper',0.07);subplot(1,4,3);imshow(u1);title('图像1加噪声图');%给图1加椒盐噪声

颜色分类leetcode哈里斯角Kps和描述符提取这是纯numpy的Hog特征提取特征描述符特征描述符是图像或图像块的表示，它通过提取有用信息并丢弃无关信息来简化图像。
通常，特征描述符将大小为宽x高x3（通道）的图像转换为长度为n的特征向量/数组。
在HOG特征描述符的情况下，输入图像的大小为64x128x3，输出特征向量的长度为3780。
请记住，可以针对其他大小计算HOG描述符，但在这篇文章中，我坚持使用原始论文中提供的数字，以便您可以通过一个具体示例轻松理解该概念。
这一切听起来不错，但什么是“有用的”，什么是“无关紧要的”？要定义“有用”，我们需要知道它“有用”是为了什么？显然，特征向量对于查看图像是没有用的。
但是，它对于图像识别和对象检测等任务非常有用。
当将这些算法产生的特征向量输入到支持向量机(SVM)等图像分类算法时，会产生良好的结果。
但是，什么样的“特征”对分类任务有用？让我们用一个例子来讨论这一点。
假设我们要构建一个对象检测器来检测衬衫和外套的纽扣。
纽扣是圆形的（在图像中可能看起来是椭圆形的）并

ezmorph，是一个简单的java类库用于将一种对象转换成另外一种对象。
EZMorph原先是Json-lib项目中的转换器。
EZMorph支持原始数据类型（Primitive），对象（Object），多维数组转换与DynaBeans的转换。
兼容JDK1.3.1，整个类库大小只有76K左右。
在Java EE开发常用的struts2中，json的处理便使用了EZMorph库。

【微信小程序开发】是当前移动互联网领域中的一个重要话题，它为开发者提供了一种在微信平台上构建轻量级应用的方式。
微信小程序以其无需下载、即用即走的特点，深受用户和开发者喜爱。
本案例以“健康菜谱”为主题，旨在教授如何利用微信小程序开发工具和微信开发者平台创建一个实用的健康管理应用。
【源码】是指程序员编写的原始代码，它是程序的最基本形式，包含了开发者的所有逻辑和功能实现。
在“微信小程序开发-健康菜谱”案例中，源码可以用来学习和理解小程序的结构、组件使用、数据管理以及交互设计。
通过分析源码，初学者能够深入理解微信小程序的开发流程，包括页面路由、API调用、样式设计等方面。
【小程序】是微信推出的一种新的应用程序形态，它不需要通过应用商店下载安装即可使用。
微信小程序支持多种功能，如地图、支付、社交分享等，使得开发者可以快速构建各种应用场景。
在这个“健康菜谱”小程序中，开发者可能利用了微信小程序的图像展示、搜索、收藏等功能，为用户提供便捷的健康饮食建议和菜谱查询。
【微信开发者平台】是进行微信小程序开发的核心工具，提供了代码编辑、预览、上传、发布等一系列服务。
开发者可以通过平台注册账号，创建项目，编写

在MATLAB中，计算三维散乱点云的曲率是一项重要的几何分析任务，尤其是在计算机图形学、图像处理和机器学习等领域。
曲率是衡量表面局部弯曲程度的一个度量，可以帮助我们理解点云数据的形状特征。
曲率的计算通常涉及主曲率、高斯曲率和平均曲率三个关键概念。
主曲率是描述曲面在某一点沿两个正交方向弯曲的程度，通常记为K1和K2，其中K1是最大曲率，K2是最小曲率。
主曲率可以提供关于曲线形状的局部信息，例如，当K1=K2时，表明该点处的曲面是球形；
当K1=0或K2=0时，可能对应于平面区域。
高斯曲率（Gaussian Curvature）是主曲率的乘积，记为K = K1 * K2。
高斯曲率综合了主曲率的信息，能反映曲面上任意点的全局弯曲特性。
如果高斯曲率为正，表明该点在凸形曲面上；
若为负，则在凹形曲面上；
为零时，表示该点位于平面上。
平均曲率（Mean Curvature）是主曲率的算术平均值，H = (K1 + K2) / 2。
它提供了曲面弯曲的平均程度，对于理解物体表面的整体形状变化非常有用。
例如，平均曲率为零的点可能表示曲面的边缘或者尖锐转折。
在MATLAB中，计算这些曲率通常需要以下步骤：1. **数据预处理**：你需要加载散乱点云数据。
这可以通过读取txt文件（如www.pudn.com.txt）或使用特定的数据集来完成。
数据通常包含每个点的XYZ坐标。
2. **邻域搜索**：确定每个点的邻域，通常采用球形邻域或基于距离的邻域。
邻域的选择直接影响曲率计算的精度和稳定性。
3. **拟合曲面**：使用最近邻插值、移动最小二乘法（Moving Least Squares, MLS）或其他方法，将点云数据拟合成一个连续曲面。
在本例中，"demo_MLS"可能是一个实现MLS算法的MATLAB脚本。
4. **计算几何属性**：在拟合的曲面上，计算每个点的曲率。
这涉及到计算曲面的曲率矩阵、主轴和主曲率。
同时，高斯曲率和平均曲率可以通过已知的主曲率直接计算得出。
5. **结果可视化**：你可以使用MATLAB的图形工具，如`scatter3`或`patch`函数，将曲率信息以颜色编码的方式叠加到原始点云上，以直观展示曲率分布。
在实际应用中，曲率计算对于识别物体特征、形状分析和目标检测等任务具有重要价值。
例如，在机器人导航、医学图像分析和3D重建等领域，理解点云数据的几何特性至关重要。
总结来说，MATLAB中的算法通过一系列数学操作和数据处理，可以有效地计算三维散乱点云的主曲率、高斯曲率和平均曲率，从而揭示其内在的几何结构和形状特征。
正确理解和运用这些曲率概念，有助于在相关领域进行更深入的研究和开发。

原始的轮播组件，并不支持滑动滚屏：代码如下：＜span xss=removed＞ ＜/span＞＜div class=row＞ ＜div id=carousel-generic class=carousel data-ride=carousel＞ ＜ol class=carousel-indicators＞ ＜li data-target=#carousel-generic data-slide-to=0 class=active＞＜/li＞

"wabacus4.3"是一个软件项目的版本标识，这通常指的是Wabacus的第4.3版。
Wabacus可能是一个计算或数据分析工具，尤其考虑到它带有“abacus”这个词，暗示它可能与数学计算或者数据处理有关。
"wabacus4.3源码"说明我们获取的是该软件的源代码，这是程序员可以阅读、修改和编译的原始编程语言文本。
源码对于开发者来说极其重要，因为它提供了深入理解软件工作原理的机会，并允许他们根据需要进行定制和扩展。
"wabacus"是该项目的关键词，它可能是软件的名称，也可能是特定功能或技术的代号。
这个标签有助于识别和搜索相关的资源和技术讨论。
【压缩包子文件的文件名称列表】1. `defaultconfig`：这通常包含软件的默认配置信息，定义了软件在安装或启动时的基本设置。
开发者可以通过修改这些配置来调整软件的行为。
2. `COPYING.LESSER` 和 `COPYING`：这两个文件通常包含软件的许可协议，表明该软件遵循 Lesser General Public License (LGPL) 或者其他开源许可，允许用户自由使用、修改和分发源代码，但可能需要满足特定条件，比如保持原有许可信息。
3. `wabacus.tld`：TLD是Tag Library Descriptor的缩写，是Java Servlet技术中的一个文件，用于定义自定义标签库。
在这个项目中，`wabacus.tld`可能定义了与Wabacus相关的自定义JSP标签，这些标签可以简化Web应用的开发。
4. `licence`：与`COPYING`类似，这个文件也包含软件的许可信息，可能与项目采用的特定许可协议相关。
5. `log4j.properties`：这是一个日志配置文件，使用Apache Log4j框架，用于控制应用程序的日志记录行为，如记录级别（错误、警告、信息等）、日志输出位置等。
6. `com`：这个目录名通常是Java编程语言中的顶级包名，用于组织源代码。
`com`下通常会有子包和类文件，具体结构取决于Wabacus项目的设计，这些类文件实现了Wabacus的功能。
综合以上信息，我们可以推测"Wabacus4.3"是一个基于Java的开源软件项目，主要涉及数据处理或计算功能。
它使用了Log4j进行日志记录，自定义了JSP标签，并提供了一套默认配置供用户参考。
开发者可以根据源代码进行二次开发，以适应特定的需求。
项目的许可协议保证了代码的开放性和可共享性。

简介：
【知识点详解】高中物理中的“相互作用”章节主要探讨了物体之间如何通过力进行互动，而弹力作为其中的一种基本力，是物体发生形变时产生的恢复原状的趋势。
本资料针对2020版高中物理教材第三章的第二节“弹力”进行了深入的练习和解析。
1. **弹力的产生**：弹力是由物体形变产生的，当物体受到外力作用发生形变后，会产生一个力试图恢复其原始形状，这个力即为弹力。
例如，杂技演员顶坛时，坛子的形变产生了对头部的压力。
2. **弹力的条件**：弹力的产生需要满足两个条件，一是物体间必须有接触，二是接触处必须发生弹性形变。
并非所有接触都会产生弹力，只有当物体发生弹性形变时才会产生。
3. **弹力的方向**：弹力的方向总是沿着恢复形变的方向，例如绳子的拉力沿绳子方向，支持力垂直于接触面指向支撑物。
4. **胡克定律**：胡克定律描述了弹力与物体形变程度之间的关系，公式为 F=kx，其中 F 是弹力，k 是劲度系数，x 是物体的形变量。
在弹性限度内，形变程度越大，弹力越大。
5. **形变与反作用力**：当一个物体形变时，不仅它自身会受到弹力，与其接触的物体也会感受到相应的作用力，如足球在草地上，草地的形变产生了对足球的支持力，足球的形变则对草地产生压力。
6. **受力分析**：分析物体受力时，要考虑所有可能的作用力，如重力、支持力、拉力等，并结合牛顿第三定律理解力的对称性。
7. **多力作用下的平衡**：当物体静止时，受到的合外力为零，可以通过受力分析找出各个力的大小和方向，如钢管受到重力、支持力和绳子拉力的共同作用。
8. **弹簧测力计的应用**：弹簧测力计的工作原理基于胡克定律，当两端受力相等时，显示的力是作用在挂钩上的力，不受自身重力和摩擦的影响。
9. **弹簧的劲度系数和原长计算**：通过不同力作用下弹簧的形变量可以求得弹簧的劲度系数和原长，利用胡克定律的变形公式 F=kx 进行计算。
10. **角度问题与力的分解**：在倾斜面上的力问题中，需要将重力分解为平行于斜面和垂直于斜面的分量，然后利用平衡条件求解弹力的大小和方向，如小球静止在弹性杆上，杆对球的弹力大小等于重力的分量，方向竖直向上。
11. **受力示意图绘制**：在绘制受力示意图时，要确保每个力的方向正确，如绳子的拉力沿绳，支持力垂直于接触面，考虑物体的静止状态来确定力的平衡。
通过这些题目和解析，学生能够更好地理解弹力的概念，掌握其产生、方向、计算以及在实际问题中的应用，从而提升对物理概念的掌握和解题能力。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。