MATBOX：微观结构分析工具箱 嵌入图形用户界面的MATLAB开源微结构分析代码v0.91 2021年3月18日有关更改日志，请参见release_notes.txt。 什么是MATBOX？ MATBOX是一个MATLAB应用程序，用于执行各种与微结构相关的任务，包括微结构数值生成，图像过滤和微结构分割，微结构表征，三维可视化，结果关联以及微结构网格划分。 MATBOX最初是为分析锂离子电池的电极微观结构而开发的。 但是，工具箱提供的算法可广泛应用于其他异构材料。 如何？ 通过图形用户界面，该工具箱提供了用户友好的体验，并且不需要使用任何编码。 文档中详细介绍了安装和说明。 运行src / Main_menu / Main_menu.mlapp以启动工具箱（mlapp扩展名与使用应用程序设计器创建的MATLAB应用程序相对应），然后选择与您的活动相关的模块。 MATBOX主菜单和每

一个 Matlab 工具箱，通过惠更斯-菲涅耳积分的数值近似来模拟单色相干光通过自由形式Kong径和粗糙/自由形式表面的光传播。 工具箱的特点是： * GPGPU 计算，使用 Nvidia 显卡和 CUDA * 如果没有找到 GPU，则回退到 CPU * 通过空间频率滤波器生成粗糙表面和表面粗糙度测定 z=f(fx,fy,Ra) * 自由曲面生成 z=f(x,y) * 对象在 3D 空间坐标（6 DOF）中的排列* 矩形 3D 网格，通过逻辑索引实现自由形式的Kong径* 人工抖动，以减少输入网格的衍射* 惠更斯-菲涅耳近似* 内存管理，如果找到预先存在的数据，则工作恢复* 一些示例和可视化 理论背景如下： Dominik Hofer，Bernhard G. Zagar，惠更斯-菲涅耳积分的数值近似–粗糙润湿问题的模拟，测量，第46卷，第8期，2013年10月，第2828-2836页，

px4_indoor_navigation 使用PX4自动驾驶仪和indoot定位系统（例如OptiTrack）进行室内导航的ROS节点集。

安装方法：https://blog.csdn.net/qq_14999375/article/details/129228919 kong&konga完整安装包，包含文件： - kong - konga（已编译） - postgreSQL12.2 - node14

用于生物制品的两Kong基于生理学的药代动力学（PBPK）描述了可溶性蛋白质的组织分布和消除动力学，这是它们的流体动力学半径和器官生理特性的函数。 PBPKassembler是一个脚本集合，可以快速构建和调试用于SimBiology的高度可定制的跨模式/跨物种生物制剂PBPK模型。

该函数要么在圆形、六边形、椭圆形、矩形或环形光瞳上显示泽尼克多项式，要么将表面数据拟合到这些光瞳形状。 见 Mahajan, VN, G.-m。 Dai，“波前分析中的正交多项式：解析解”，J. Opt。 社会。 是。 A，卷。 2007 年 9 月，第 24 期，第 9 期，描述了用于非圆形瞳Kong形状的 Zernike 多项式。 可以指定在 j 排序或 (n,m) 符号、Mahajan/Noll 或 Born&Wolf 规范化、边缘子集以及要使用的符号约定中使用的 Zernikes。 可以指定掩码以选择用于拟合泽尼克多项式的表面数据子集。 计算最小二乘拟合系数。 如果未指定表面数据，则该函数显示指定的瞳Kong形状上指定的 Zernike 多项式的总和。 可以指定拟合中使用的单位圆的中心和半径（以像素为单位）。

PConv_in_tf “使用部分卷积对不规则Kong进行图像修补”第一个tensorflow主实例，使用tensorflow完全实现，而无需修改源代码。 部分转化 使用curr_bin_mask表示当前二进制文件的掩码； conved_mask表示二进制掩码的卷积结果，对应于文本中的sum（M）； new_bin_mask表示卷积后的新二进制掩码，更新规则为： （（conved_mask == 0）== 0） 因此，局部卷积的计算如下： Pconv（x）=（Conv（x * curr_bin_mask）*隐蔽掩码+ b）* new_bin_mask 如文本中所述，使用新掩码的操作是为了确保无效输入为零。 网络结构 用局部卷积代替卷积 面膜生成 与原始版本不同，我使用opencv生成了一个掩码，并将无效零件输入设置为零。 为了确保面罩的不规则性而无填充，面罩部分中的单元数也是随机的，

Unity_StencilKong 使用模具在Unity中剔除网格中的Kong，而无需任何c＃脚本。 屏幕截图：

加法器MATLAB代码用于全卷积网络的 Atrous 空间金字塔池的 SoC 实现 队号 xohw19-188 项目名 用于全卷积网络的 Atrous 空间金字塔池的 SoC 实现 日期 2019 年 6 月 27 日。 上传档案的版本 1 大学名称 卡拉布里亚大学 信息学、建模、电子和系统工程系 主管姓名 斯蒂芬妮娅·佩里 主管邮箱 参与者 克里斯蒂安·塞斯蒂托 电子邮件 使用的板 Digilent ZedBoard Zynq-7000 ARM/FPGA SoC 开发板 Vivado 版本 2017.4 项目简述 此设计提供了一种新颖的 IP 核，该核采用 Atrous 空间金字塔池化方法，以更好地执行用于深度学习目的的语义图像分割。 通过以不同的速率应用扩张卷积，研究人员已经表明，这种策略可以更好地管理视野，并能够更好地识别多个尺度的物体。 通过利用 FPGA 的并行化能力，联合执行多个扩张卷积和全局平均池化。 通过使用 ZedBoard，整个系统允许内核和 DDR 之间通过 DMA 进行通信； 这些测试旨在通过​​将组件提供并存储在 DDR 中的结果与模拟其行为的 MATLAB

pnextract-Kong网络提取代码 有关详细信息，请参见 ， 和文件夹。 注意：此存储库与库相同，但没有pnflow代码。 一般说明 编译中 要进行编译，请在最上层目录中打开一个终端，然后运行： make -j 一切编译成功后，要清理临时文件，请键入： make clean 上面的命令可以在存在子文件或Makefile的大多数子文件夹中运行。 具有makefile的库应在包含Makefile的应用程序之前进行编译。 编译需要gnu（Linux）make，cmake，具有-std = c ++ 11支持的C ++编译器和MPI。 使用g ++（版本5 +）（默认）和intel-2018编译器对编译进行测试。 测试和演示 要测试代码，请输入： make test 这应该在test文件夹中复制一系列输入文件/脚本，并运行一系列相对较快的测试用例（请参阅子目录中的READM