pdf 提取器 Pdf-extractor 是的包装器，用于从 node.js 上的 pdf 生成图像、svgs、html 文件、文本文件和 json 文件。 图像：DOM画布用于呈现和导出pdf的图形层。 Canvas 默认导出 *.png，但可以扩展为导出到其他文件类型，例如 *.jpg。 SVG：使用 pdf.js 的将 Pdf 对象转换为 svg。 HTML：PDF 文本转换为 HTML。 这可以用作图像上的（透明）图层以启用文本选择。 文本：PDF 文本被提取到一个文本文件中以用于不同的用途（例如索引文本）。 Node.js 上的 PDF.js 这个库的最基本形式是 pdf.js 的 node.js 包装器。 它具有默认渲染器来生成默认输出，但很容易扩展以合并自定义逻辑或生成不同的输出。 它使用 node.js DOM 和来自 pdf.js 的节点 domstub 确实

界面美观，完美支持PC和手机，真正的内外二次元文化。 强悍的扩展能力，你可以通过本程序在几分钟之内快速的实现你任意想实现的在线购物功能，例子如下： 游戏方面，物品购买即时到玩家背包 商业软件余额充值 商业软件自动授权

地空导弹三点法三维运动学弹道建模与仿真_张大元 中的仿真模型2利用matlab复现源程序。

C++模板元编程(中文版)

mfem：轻量，通用，可扩展的C ++库，用于有限元方法

webgme-gridlabd WebGME中gridlab-d的元模型，可视化和模型生成器。 本文档介绍如何使用WebGME建模环境来创建，导入，更新和呈现（序列化）Gridlab-D模型（GLM格式）。 注意：本文档并没有描述Gridlab-D的工作原理，而只是描述WebGME界面如何导入，创建和渲染GLM文件。 对于特定Gridlab-D对象类型的特定属性的含义有疑问的用户，请参阅 。 目录： SimulateWithGridlabD 模拟测试 SimulateTESCluster 从头开始创建Gridlab-D模型 WebGME界面 webgme界面允许可视化地创建和编辑模型，其中webgme界面的顶层（ROOT）可以包含模型，并且每个模型都表示一个GLM（网格模型）。 注意：由于WebGME界面旨在以图形方式建模和表示GLM文件，因此单个GLM文件可以包含的辅助

Yoshua Bengio 等人基于学习器适应新分布的速度提出一种元学习因果结构，假设新分布由干预、智能体动作以及其它非稳态（non-stationarity）导致的稀疏分布变化引起，由此得出“正确的因果结构选择 会使学习器**更快地适应修改后的分布**”。该假设的研究将“适应修改后分布的速度”作为元学习的目标，表明“这可用于决定两个观测变量之间的因果关系”。研究结论的价值即特点和优势发现是，分布变化无需对应标准干预，学习器不具备关于干预的直接知识。因果结构可通过连续变量进行参数化，并以端到端的形式学得。研究探讨了想法的如何应用，来满足“独立机制 以及 动作和非稳态 导致的 机制内微小稀疏变化 ”的假设。

基于python的元胞自动机.zip 大学生课程设计 基于python的课程设计 自己大二写的课程设计

【元胞自动机】基于元胞自动机模拟地铁火灾疏散模型matlab代码

针对施工和使用阶段过程中,桥梁结构的受力状态不断变化,以及使用阶段多种载荷对桥梁上部结构的作用使桥梁上部结构受力状态不断变化的问题,采用有限元软件对桥梁上部结构进行分析,建立与实际情况更接近的有限元模型,更准确的模拟不同作用力对桥梁上部结构的影响.提取环境激励法下桥动态测量值作为目标函数,以纵向弹簧刚度、横向弹簧刚度、底板纵向加劲肋厚度、顶板厚度作为修正参数,对连续刚构梁桥进行模型修正.结果表明:修正后有限元模型的动力特性与实测结果的误差仅为3%,修正后的结构有限元模型可以为大桥损伤监测、整体评价以及深入研究提供可靠依据.