ImageTrans_chrome_extension Chrome Extension for ImageTrans。 您可以使用它来翻译网页上的图像。 它应与和。 安装 目前，该扩展程序在Chrome商店中不可用。 您需要下载此存储库，并通过“更多工具”->“扩展”->“解压加载”来安装扩展。 记住要检查开发人员模式。 购买ImageTrans并安装。 下载并将其与ImageTrans一起放入。 用法 固定ImageTrans扩展名。 打开ImageTrans。 通过工具->服务器打开服务器。 按启动服务器按钮，然后按重新连接按钮。 如果您希望ImageTrans静默执行任务，请检查静默翻译模式。 打开或创建一个ImageTrans项目。 在项目设置中设置诸如语言对之类的内容。 选择ocrengine和language之类的参数。 在Chrome中，将鼠标移到需要翻译的图

体素插件 Voxel插件允许在虚幻引擎中创建完全体积，完全可破坏的无限世界。 它与4.24、4.25和4.26兼容。 拖车： : 安装 建议安装插件Beta的方法是使用预构建的二进制文件。 在此处下载适合您引擎版本的插件： : 在您的项目文件夹下创建一个Plugins文件夹 将插件复制到该插件，即可获得YourProject/Plugins/VoxelFree/ 链接 虚幻市场： ： 文件： ： 不和谐： ： 网站： ： 推特： : YouTube：http： UE论坛： ：

草图平移 将您的画板翻译成不同的语言。 直接从您的Sketch文件中。 该插件使用免费的Yandex Translate Api。 从创建，在不到2分钟，自己的密钥 您可以根据需要翻译画板，组或什至文本层。 安装 此插件 双击插件文件自动安装 现在，该快捷方式应该在Sketch中的“插件”菜单下可用 用法 获取您的Yandex Api 您可以从获得自己的免费Yandex Api密钥 支持的语言列表。 在插件中输入语言代码。 捷径 阿拉伯语：Ctrl + Shift + A（从英语翻译为阿拉伯语） 中文：ctrl + shift + c（从英语翻译成中文） 德语：ctrl + shif

中断概率矩阵代码具有最佳路径选择的收获到传输认知多跳网络 这是文章的Matlab代码：“在有窃听者的情况下使用最佳路径选择方法来增强收获到传输认知多跳网络的性能”。 在过程中。 IEEE 2018年第20届高级通信技术国际会议（ICACT）的会议; 323-328。 ＃文章摘要 本文提出了一种路径选择协议，以提高收获到传输（HT）多跳协作认知无线电网络的中断性能。 在提出的协议中，选择次要源和次要目标之间的可用路径之一，以将源数据发送到目标。 所选路径上的源和中继必须从环境信标的射频（RF）信号中收集能量，以进行数据传输。 在主要用户（PU）和次要窃听者（E）存在的情况下，这些传输节点还必须调整其传输功率，以满足PU给出的干扰约束，并抵抗来自E的窃听攻击。为了进行性能评估，我们在瑞利衰落信道上推导了所提方案的端到端中断概率（OP）的精确且渐近的闭式表达式。 然后执行蒙特卡洛模拟以验证理论推导。 工具： MATLAB版本：9.1（R2016b）操作系统：Windows 7 致谢：这项工作得到了韩国能源技术评估与规划研究所（KETEP）的“能源技术人力资源计划”的支持，并获得了大韩民国贸易

matlab小实验源代码通过深度转移学习实现更准确的自动睡眠分期 该存储库在手稿中包含源代码，预训练的模型和实验设置： Huy Phan，OliverY.Chén，Philipp Koch，Longqing Long，Ian McLoughlin，Alfred Mertins和Maarten De Vos。 2020年8月IEEE生物医学工程学期刊（TBME） 使用Matlab进行数据准备： SeqSleepNet 将路径更改为seqsleepnet/ 运行preprare_data_sleepedf_sc.m制备SleepEDF-SC数据（必须被提供给数据路径，请参阅脚本征求意见）。 生成的.mat文件存储在mat/目录中。 运行genlist_sleepedf_sc.m以基于data_split_sleepedf_sc.mat拆分的数据生成SleepEDF-SC文件列表以进行网络培训。 生成的文件存储在tf_data/目录中。 运行preprare_data_sleepedf_st.m准备SleepEDF-ST数据（路径必须提供的数据指的是脚本注释）。 生成的.mat文件存储在ma

该书是传热学基础教程，这一版是中文翻译版，排除了阅读困难。

TI媒体有限的建模和逆向时间迁移 （二维和三维） 各向异性介质（VTI，TTI） 反向时间迁移 有限的不同建模 角域通用成像采集器（ADCIG） Poynting向量法 波动方程 移民 poynting矢量图 使用拉普拉斯因子作为滤波器来降低低频信号（噪声） void laplac2_lop ( int adj, int nz, int nx, float *in, float *out) /* Copyright(C) Madagascar */ { int iz,ix,j; for (ix= 0 ; ix 0 ) { if (adj) { out[j-

该资源是Windows通过ssh远程连接linux的工具，主要用于远程控制和文件传输。

图分类用变压器 这一计划规定，在描述了我们U2GNN执行，我们充分利用了变压器自重视网络，构建一个先进的聚合函数学习图形表示。 用法 消息 17-05-2020：更新Pytorch（1.5.0）实施。 要求 Python 3.x Tensorflow 1.14 张量2张量1.13 Networkx 2.3 Scikit学习0.21.2 训练 U2GNN$ python train_U2GNN_Sup.py --dataset IMDBBINARY --batch_size 4 --ff_hidden_size 1024 --fold_idx 1 --num_neighbors 8 --num_sampled 512 --num_epochs 50 --num_timesteps 4 --learning_rate 0.0005 --model_name IMDBBINARY_bs

distance_transform  计算区域每个点到区域边缘的距离变换，并将距离信息赋值到图像中。 distance_transform(Region : DistanceImage : Metric, Foreground, Width, Height : ) Region：  （输入）输入区域 DistanceImage：（输出）输出 像素值 为 到边缘距离 的图像 Width, Height :（输入）输出图像的宽  和   高 Foreground：（输入） 若为 true  则计算区域内 所有点到 区域边缘的 距离信息；若为false 则计算 区域外所有点到区域边缘的 距离信息。