很多是在学习这门课程的时候做的笔记，也有部分是军队文职考试时候做的总结笔记，可帮助你快速掌握核心知识点。
加快复习速度。
梳理大脑中知识脉络，方便记忆。
最好自己理解看一遍，自己写一遍，工整的写下来。
物理部分是针对每个领域做的笔记，包括运动学、光学、热学、电磁学等等，已经包括了所有领域。
对每个领域的知识点做了很简洁的知识梳理和总结，更重要的是包括了特别容易做错，特别容易混肴的知识点总结。
方便记忆。
加快复习速度。
梳理大脑中知识脉络，方便记忆。
最好自己理解看一遍，自己写一遍，工整的写下来。
物理部分是针对每个领域做的笔记，包括运动学、光学、热学、电磁学等等，已经包括了所有领域。
对每个领域的知识点做了很简洁的知识梳理和总结，更重要的是包括了特别容易做错，特别容易混肴的知识点总结。
方便记忆。
2024/11/18 14:10:05
130.07MB
1
计算Hurst指数有多种方法，本文采用matlab实现DFA(DetrendedFluctuationAnalysis)即降趋脉动分析法。
Hurst指数是分形市场理论中最关键的指标，被用于描述时间序列的长记忆性程度，当H值等于0.5则价格序列表现为随机游走，当大于0.5则表明时间序列具有长记忆性，小于0.5则表明存在均值回复特性。
Hurst指数是分形市场理论中最关键的指标，被用于描述时间序列的长记忆性程度，当H值等于0.5则价格序列表现为随机游走，当大于0.5则表明时间序列具有长记忆性，小于0.5则表明存在均值回复特性。
175KB
1
企业级web服务之DNC&CDN,网络通信基本都是基于TCP/IP协议，而TCP/IP是基于IP地址的，所以计算机在网络上进行通信时只能识别“61.135.169.121”之类的IP地址，而不能认识域名。
我们无法记住太多的IP地址网站，但是可以轻松记忆某个网站对应的域名。
所以我们访问网站时，更多的是在浏览器地址栏中输入域名，就能看到所需的页面。
这是因为DNS服务器将我们的域名“翻译”成了IP地址，然后调出IP地址所对应的网页。
我们无法记住太多的IP地址网站，但是可以轻松记忆某个网站对应的域名。
所以我们访问网站时，更多的是在浏览器地址栏中输入域名，就能看到所需的页面。
这是因为DNS服务器将我们的域名“翻译”成了IP地址，然后调出IP地址所对应的网页。
2024/10/26 10:15:20
3.53MB
1
MATLAB工具包DEEPLEARNINGTOOLBOX(一)DeepLearningToolbox™提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。
2024/10/23 7:57:32
216.9MB
1
中科院考博英语大纲词汇词组及辨析（无水印清澈版）.pdf非扫描版！可自由标注！方便记忆！！！……
2024/10/15 22:48:52
1.65MB
1
数据结构与算法，程序设计基础，软件工程基础，数据库设计基础等知识点的整理归纳，适合备考计算机二级考试的同学，通过学习记忆这些指示点可以很好的应对选择题的公共基础知识考查部分。
309KB
1
程序包括1、 sf_ukfm_sins_gps：强跟踪UKF滤波主程序2、 shuaijianukfm_sins_gps：衰减记忆UKF滤波主程序；
3、ukfm_sins_gps：UKF滤波主程序
3、ukfm_sins_gps：UKF滤波主程序
2024/9/28 1:40:26
87KB
1
可参看博客：https://blog.csdn.net/luolan9611/article/details/88578720视觉问题回答（VQA）需要联合图像和自然语言问题，其中许多问题不能直接或清楚地从视觉内容中得到，而是需要从结构化人类知识推理并从视觉内容中得到证实。
该论文提出了视觉知识记忆网络（VKMN）来解决这个问题，它将结构化的人类知识和深层视觉特征无缝融入端到端学习框架中的记忆网络中。
与现有的利用外部知识支持VQA的方法相比，本文更多地强调了两种缺失的机制。
首先是将视觉内容与知识事实相结合的机制。
VKMN通过将知识三元组（主体，关系，目标）和深层视觉特征联合嵌入到视觉知识特征中来处理这个问题。
其次是处理从问题和答案对中扩展出多个知识事实的机制。
VKMN使用键值对结构在记忆网络中存储联合嵌入，以便易于处理多个事实。
实验表明，该方法在VQAv1.0和v2.0基准测试中取得了可喜的成果，同时在知识推理相关问题上优于最先进的方法。
该论文提出了视觉知识记忆网络（VKMN）来解决这个问题，它将结构化的人类知识和深层视觉特征无缝融入端到端学习框架中的记忆网络中。
与现有的利用外部知识支持VQA的方法相比，本文更多地强调了两种缺失的机制。
首先是将视觉内容与知识事实相结合的机制。
VKMN通过将知识三元组（主体，关系，目标）和深层视觉特征联合嵌入到视觉知识特征中来处理这个问题。
其次是处理从问题和答案对中扩展出多个知识事实的机制。
VKMN使用键值对结构在记忆网络中存储联合嵌入，以便易于处理多个事实。
实验表明，该方法在VQAv1.0和v2.0基准测试中取得了可喜的成果，同时在知识推理相关问题上优于最先进的方法。
8.39MB
1
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