SourceMonitor能够检查函数/方法的圈复杂、代码深度注释率等指标,帮助改进代码的可维护性。
2024/6/10 12:41:15 3.09MB 静态检查 圈复杂度
1
CiscoASDM7.10.1,CiscoAdaptiveSecurityDeviceManagerforASA9.1,9.2,9.4,9.6,9.7,9.8,and9.9.and9.10ReleaseDate:25-Oct-2018,32.56MB,MD5:aca8af8e44e127b88b0ad6bc812ee4a9
2024/6/8 3:04:56 32.56MB ASDM asdm-7101 ASA ASA
1
PCIExpressMiniCEM2.0Specification是目前最新的MINI-PCI-E协议,PCI-E-MINI
2024/6/7 2:14:35 888KB PCI Express Mini PCI-E
1
【《Python强化学习实战》随书代码】’Hands-OnReinforcementLearningwithPython,publishedbyPackt'
2024/6/6 2:29:05 85.28MB 强化学习 Python 实战
1
zigbeeZCL协议2018最新版Removedtheextraneousword“ZigBee”todescribeitems.CCB2288Chapter1:referenceforManufactureCodedatabaseChapter2:clarifiedclusterInstanceModelCCB23272266233822132318DefineDeprecationNewdatatype:FixedASCIIChapter3:LevelControlclusterStateChangeTableNewBasicattributes;ZCLVersionis0x03TransitiontimetoRecallSceneNFRQualityofGoodsclusters:PWM,LevelZLO1.0changestoLevelControlforLightingCCB14991584177520852147
2024/6/2 4:27:25 9.07MB zigbee 3.0 最新版
1
Theinfluenceofairturbulenceonthetransversewanderingofasinglefemtosecondlaserfilamentisstudiedbynumericalsimulation.Theresultsshowthattheaveragetransversedisplacementofthesinglefilamenthδriisproportionaltothesquarerootofturbulentstructureconstantandtherelationsbetweenhδriandthepropagationdistancecanbefitbyapowerfunction.Inaddition,byusinganaxiconasafocusingoptics,thewanderingofasinglefilamentissuggestedtobestrongertha
2024/5/26 7:35:34 350KB
1
Multi-AgentMachineLearningAReinforcementApproach
2024/5/25 7:13:17 9.67MB Reinforcemen 机器学习
1
ECG深度学习(ECG-signal-enhancement-based-on-improve_2016_Engineering-Applications-of-Art.
2024/5/20 16:54:46 1.72MB ECG 深度学习
1
脑电信号(Electroencephalograph,EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映,其包含了大量的生理与病理信息,并可以用许多特征量来描述其特征信号。
P300电位即受试者辨认“新异”(oddball)刺激序列中低概率的“靶刺激”时,在头皮记录到的潜伏期约为300ms的最大晚期正性波,是事件相关电位(Event-RelatedPotential,ERP)中应用最广、与认知功能关系最为密切的成分。
脑机接口(BCI)是一种不依赖于外周神经和肌肉等常规输出通道的信息交流系统。
P300是神经系统接受特定模式下的视觉刺激所产生的特定电活动,适合于脑机接口应用。
本文针对P300脑电信号的特点,即诱发电位中的P300成分通常是在新异刺激模型中对不同刺激进行辨别、分类、判断时产生的,所以采用视觉“Oddball”范式诱发事件相关电位,然后采用EGI64导脑电系统采集原始脑电信号,再用Net-Station软件对原始数据进行预处理,预处理步骤包括滤波(Filter)、数据分段(Segmentation)、人工伪迹检测(ArtifactDetection)、坏通道替换(BadChannelReplacement)、叠加平均(Averaging)、参考点转换(AverageReferencing)、基线校正(BaselineCorrection)等,最后采用功率谱分析与相关系数矩阵相结合的方法选取恰当的电极,确定少量活跃电极分布在头顶位置,活跃电极主要集中在后脑区域,为脑机接口应用产品的开发奠定理论基础。
2024/5/17 0:11:15 4.6MB 脑电信号
1
这就不用说了吧,不用STL也能说自己做C++?这本2017年的新书就是介绍在C++17下如何更好地进行STL编程。
介绍链接在此:https://www.amazon.com/STL-Cookbook-enhancements-programming-expressions/dp/178712049X/ref=as_li_ss_tl?_encoding=UTF8&pd_rd_i=178712049X&pd_rd_r=K7D6G81D4VM1P35P0K0S&pd_rd_w=Lh4zr&pd_rd_wg=ToJVP&psc=1&refRID=K7D6G81D4VM1P35P0K0S&linkCode=sl1&tag=bfilipek-20&linkId=3ccfb9b60836de910ac6069ac899f9d1
2024/5/16 22:25:58 10.18MB C++ Modern C++17
1
共 237 条记录 首页 上一页 下一页 尾页
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。
2024-04-09 15:03 15KB 钉钉 钉钉打卡