1. 备份源列表 Ubuntu缺省的配置的源并不是国内的服务器，下载更新软件都比较慢，本文介绍如何设置源列表，选择比较快的源以节省下载时间。 # 首先备份源列表 sudo cp /etc/apt/sources.list /etc/apt/sources.list_backup 2. 打开sources.list文件修改 选择合适的源，替换原文件的内容，保存编辑好的文件, 以阿里云更新服务器为例（从实际测试上结果分析，个人认为阿里云比网易和搜狐的服务器要快）： sudo vim /etc/apt/sources.list 3. 阿里云镜像源-清华镜像源 注意根据具体使用的Ubun

matlab中拟合中心线的代码布鲁克的CEST评估，分步进行 M. Zaiss等人的代码适合内部实验室使用。 在 卡特琳娜·特里尼托（Caterina Trainito） 图宾根大学临床前影像和放射药学系 输入CEST数据 该分析适用于二维CEST数据。 如果您获取了多个切片，则必须为每个切片分别运行预处理。 对于基本的Z谱分析，以下扫描是必要且足够的： Mz ：一系列饱和度图像（例如61个频率偏移为-7.5：0.25：+7.5 ppm的图像）。 M0 ：在没有RF饱和脉冲的情况下获取一张图像。 用于场非均匀性校正和T1映射的其他采集： 不同B1强度下的Mz图像序列：例如B1 = 0.5-3.0 muT。 使用“ Z-B1校正”方法校正B1不均匀性至少需要两个这样的序列（请参阅Windschuh等人，2015）。 注意，B1校正还需要使用WASABI序列获得的B1图。 WASABI：图像系列用于同时B0-（ “水煤气变换”）和B1-（ “BI”）的映射。 这些图用于现场非均质性校正（参见Schuenke等人，2016）。 T1映射序列：一系列具有不同反转恢复时间的扫描，用于T1映射。

fastjson-1.1.41.jar-javadoc-sources.zip Fastjson is a JSON processor (JSON parser + JSON generator) written in Java. Smallest, fastest polymorphic JSON serializer. java处理JSON类库的jar包，含源码 包含以下jar文件： fastjson-1.1.41.jar fastjson-1.1.41-javadoc.jar fastjson-1.1.41-sources.jar

很棒的强化学习 专门用于强化学习的精选资源列表。 我们还有其他主题的页面： ，， 维护者：， ， 我们正在寻找更多的贡献者和维护者！ 贡献 请随时 目录 代号 理查德·萨顿（Richard Sutton）和安德鲁·巴托（Andrew Barto）的《强化学习：入门》中的示例和练习代码 强化学习控制问题的仿真代码 （用于RL的标准接口）和 -基于Python的强化学习，人工智能和神经网络 -用于教育和研究的基于价值函数的强化学习框架 用于python强化学习中问题的机器学习框架 基于Java的强化学习框架 实施Q学习和其他RL算法的平台 贝叶斯强化学习库和工具包 进行深度Q学习-使用Google Tensorflow进行深度Q学习演示 -Torch中的深层Q网络和异步代理 使用Theano + Lasagne进行深度强化学习和自定义递归网络的python库。 -最小和干净的强化学

CI / CD工具 编纂 LGTM 覆盖范围 詹金斯（ ）： 仅开发分支 苹果系统 的Ubuntu 视窗 工作 10.10 10.13 10.14 16.04 18.04 19.10 7 ＃⁠1 ＃⁠2 ＃⁠3 ＃⁠4 ＃⁠5 詹金斯（ ）： 主分支 释放 .pkg 应用图片 .deb 。可执行程序 码头工人 请参阅 FreeFEM来源 是使用有限元方法的2D和3D非线性多物理系统的偏微分方程求解器。 涉及物理学几个分支的偏微分方程的问题，例如流体-结构相互作用，要求在几个网格上进行数据插值，并需要在一个程序中进行操作。 FreeFEM包括快速插值算法和用于在多个网格上处理数据的语言。 它是用C ++编写的，而FreeFEM语言是C ++的一种惯用法。 对于用户 用户文档可。 如果您使用FreeFEM进行学术研究，请使用以下内容： Bi

Delphi & C++Builder 著名控件 DevExpress VCL 18.1.4 Full Sources，含自动安装工具。

mbeancmd-core-2.1.1-m2-sources.jar

jar包，亲测可用

mbeancmd-core-2.1.1-sources.jar

jar包，亲测可用