随着信息技术的飞速发展，我国医疗卫生行业的信息化建设取得了显著成效。
但与发达国家相比，无论是从信息技术应用的广度和深度上，还是从开发的规模和水平上，还存在着一定的差距。
目前，国内的医疗信息化建设仍存在着资金投入少，技术力量薄弱，从业人员知识结构欠佳，管理标准不规范等问题。
绝大部分医院没有全面实现计算机管理，部分医院的计算机应用仍停留在简单的财务管理模式上，因此，从严格意义上讲，我国医院的信息处理基本上还停留在手工方式，劳动强度大且工作效率低，医师护士和管理人员的大量时间都消耗在事务性工作上，致使"人不能尽其才";病人排队等候时间长，辗转过程多，影响医院的秩序;病案、临床检验、病理检查等许多宝贵的数据资料的检索十分费事甚至难以实现;对这些资料深入的统计分析手工方式无法进行，不能充分为医学科研利用;在经济管理上也因而存在漏、跑、错费现象;医院物资管理由于信息不准确，家底不明，积压浪费，以致"物不能尽其用"。
开发HIS是解决上述问题的有效途径。
HIS系统的有效运行，将提高医院各项工作的效率和质量，促进医学科研、教学;减轻各类事务性工作的劳动强度，使他们腾出更多的精力和时间来服务于病人;改善经营管理，堵塞漏洞，保证病人和医院的经济利益;为医院创造经济效益。
但与发达国家相比，无论是从信息技术应用的广度和深度上，还是从开发的规模和水平上，还存在着一定的差距。
目前，国内的医疗信息化建设仍存在着资金投入少，技术力量薄弱，从业人员知识结构欠佳，管理标准不规范等问题。
绝大部分医院没有全面实现计算机管理，部分医院的计算机应用仍停留在简单的财务管理模式上，因此，从严格意义上讲，我国医院的信息处理基本上还停留在手工方式，劳动强度大且工作效率低，医师护士和管理人员的大量时间都消耗在事务性工作上，致使"人不能尽其才";病人排队等候时间长，辗转过程多，影响医院的秩序;病案、临床检验、病理检查等许多宝贵的数据资料的检索十分费事甚至难以实现;对这些资料深入的统计分析手工方式无法进行，不能充分为医学科研利用;在经济管理上也因而存在漏、跑、错费现象;医院物资管理由于信息不准确，家底不明，积压浪费，以致"物不能尽其用"。
开发HIS是解决上述问题的有效途径。
HIS系统的有效运行，将提高医院各项工作的效率和质量，促进医学科研、教学;减轻各类事务性工作的劳动强度，使他们腾出更多的精力和时间来服务于病人;改善经营管理，堵塞漏洞，保证病人和医院的经济利益;为医院创造经济效益。
2023/8/20 15:02:24
2.12MB
1
本文来结合下opencv的highgui功能显示kinect采集得来的颜色图和深度图。
本来在opencv中自带了VideoCapture类的，使用该类可以直接驱动kinect设备，具体的可以参考下面的文章：http://blog.csdn.net/moc062066/article/details/6949910，也可以参考opencv提供的官方文档：http://docs.opencv.org/doc/user_guide/ug_highgui.html。
这种方法用起来非常简单，不需要考虑OpenNI的驱动过程，有点像傻瓜式的操作。
不过本人在使用该种方法时kinect一直驱动不成功，即使用opencv的VideoCapture类来捕捉Kinect设备的数据，一直是打不开的，即驱动不成功。
但是kinect设备已经连接上了，且能运行openni中的sample，说明kinect的硬件驱动是没问题的，应该是opencv这个类的bug，网上很多人都碰到了该情况。
所以还是使用前面2篇博文介绍的，自己用OpenNI写驱动，这样可以更深刻的对OpenNI这个库灵活运用。
本来在opencv中自带了VideoCapture类的，使用该类可以直接驱动kinect设备，具体的可以参考下面的文章：http://blog.csdn.net/moc062066/article/details/6949910，也可以参考opencv提供的官方文档：http://docs.opencv.org/doc/user_guide/ug_highgui.html。
这种方法用起来非常简单，不需要考虑OpenNI的驱动过程，有点像傻瓜式的操作。
不过本人在使用该种方法时kinect一直驱动不成功，即使用opencv的VideoCapture类来捕捉Kinect设备的数据，一直是打不开的，即驱动不成功。
但是kinect设备已经连接上了，且能运行openni中的sample，说明kinect的硬件驱动是没问题的，应该是opencv这个类的bug，网上很多人都碰到了该情况。
所以还是使用前面2篇博文介绍的，自己用OpenNI写驱动，这样可以更深刻的对OpenNI这个库灵活运用。
2023/8/20 6:13:24
1.76MB
1
深度学习在无人驾驶领域主要用于图像处理，也就是摄像头上面。
当然也可以用于雷达的数据处理，但是基于图像极大丰富的信息以及难以手工建模的特性，深度学习能最大限度的发挥其优势。
当然也可以用于雷达的数据处理，但是基于图像极大丰富的信息以及难以手工建模的特性，深度学习能最大限度的发挥其优势。
2023/8/17 18:22:02
10.24MB
1
DRL-网球统一项目详情这是Udacity深度强化学习纳米学位的最终项目。
在这种环境下，两名特工控制球拍在球网上弹跳球。
如果探员将球击中网，则得到+0.1的奖励。
如果探员让一个球击中地面或将球击出界外，则其获得的奖励为-0.01。
因此，每个特工的目标是保持比赛中的球权。
观察空间由8个变量组成，分别对应于球和球拍的位置和速度。
每个代理都会收到自己的本地观察结果。
有两个连续的动作可用，分别对应于朝向（或远离）网络的运动和跳跃。
该任务是情节性的，并且为了解决环境，您的特工必须获得+0.5的平均分数（在连续两次情节达到最高分后，在两个特工中均取得了最高分）这些是此Unity环境的一些细节：INFO:unityagents:'Academy'startedsuccessfully!UnityAcademyname:AcademyNumb
在这种环境下，两名特工控制球拍在球网上弹跳球。
如果探员将球击中网，则得到+0.1的奖励。
如果探员让一个球击中地面或将球击出界外，则其获得的奖励为-0.01。
因此，每个特工的目标是保持比赛中的球权。
观察空间由8个变量组成，分别对应于球和球拍的位置和速度。
每个代理都会收到自己的本地观察结果。
有两个连续的动作可用，分别对应于朝向（或远离）网络的运动和跳跃。
该任务是情节性的，并且为了解决环境，您的特工必须获得+0.5的平均分数（在连续两次情节达到最高分后，在两个特工中均取得了最高分）这些是此Unity环境的一些细节：INFO:unityagents:'Academy'startedsuccessfully!UnityAcademyname:AcademyNumb
2023/8/17 2:09:36
157KB
1
测绘基准（大地基准、时间基准、高程基准、深度基准和重力基准）和测绘系统（大地坐标系统、平面坐标系统、高程系统、地心坐标系统和重力测量系统）是测绘学科的基础性问题，也是《测绘法》规定的基本问题，理解并掌握测绘基准和测绘系统的基本理论是从事测绘工作的基础。
由于涉及到的公式较多，为了提高各类相关计算的效率，各类测绘从业者需要有一套成熟稳定的计算工具软件。
大地测量计算工具集，原为本科生专业基础课《大地测量学基础》、《控制测量学》和《误差理论与测量平差基础》的计算实习提供对算功能和编程示例而制作，目前已用于多个实际测量工程。
由于涉及到的公式较多，为了提高各类相关计算的效率，各类测绘从业者需要有一套成熟稳定的计算工具软件。
大地测量计算工具集，原为本科生专业基础课《大地测量学基础》、《控制测量学》和《误差理论与测量平差基础》的计算实习提供对算功能和编程示例而制作，目前已用于多个实际测量工程。
2023/8/16 11:52:41
16.81MB
1
DeepResolution2.0基于深度学习的多元曲线分辨率2.0DeepResolution已经提出了基于深度学习的多元曲线分辨率2.0（DeepResolution2.0）方法来自动解析GC-MS数据。
它在解析重叠峰方面具有出色的性能，适用于大规模数据分析。
与经典的多曲线分辨率方法相比，它具有快速，准确和全自动的特点。
＃安装##python和TensorFlowPython3.6.5，可从TensorFlow（2.0.0-GPU版本），可在##安装依赖包软件包主要包括：numpy，Scipy，Matplotlib，pandas和os。
这些软件包包含在集成工具Anaconda＃存储库并直接运行下载模型并直接运行由于模型超出了限制，我们已将所有模型和一些GC-MS数据上传到百度SkyDrive和google驱动器。
（KEY：Deep）
它在解析重叠峰方面具有出色的性能，适用于大规模数据分析。
与经典的多曲线分辨率方法相比，它具有快速，准确和全自动的特点。
＃安装##python和TensorFlowPython3.6.5，可从TensorFlow（2.0.0-GPU版本），可在##安装依赖包软件包主要包括：numpy，Scipy，Matplotlib，pandas和os。
这些软件包包含在集成工具Anaconda＃存储库并直接运行下载模型并直接运行由于模型超出了限制，我们已将所有模型和一些GC-MS数据上传到百度SkyDrive和google驱动器。
（KEY：Deep）
2023/8/16 2:10:44
1KB
1
NeuralNetworkDesign(2ndEdition)为大牛MartinT.Hagan巨作，深入浅出地讲解了深度学习的所有算法原理，非常适合全面深入了解人工神经网络及深度学习
2023/8/15 19:15:20
11.27MB
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