数字测频matlab代码iPhys：基于开放式非接触式成像的生理测量工具箱 在过去的几年中，使用低成本相机远程测量生理信号的方法已经引起了很多关注。 成像PPG（iPPG）专注于使用成像设备捕获与透射或反射光有关的变化来测量距人体一定距离处的血流体积变化。 影像心动描记法（iBCG）通常利用光流估计来跟踪视频序列中头部或身体的垂直运动。 iPPG和iBCG方法均可用于恢复人的生命信号。 该工具箱包含用于非接触式生理测量的多种算法的MATLAB实现。 这将使研究人员能够使用已知所有参数的基准方法的标准公共实施方式，在其数据集上呈现结果。 该工具箱包含了许多最常用的基线成像方法，这些方法可用于成像心律描记术（iPPG）和图像心动描记术（iBCG）。 引文： 如果您发现此工具箱很有用并在您的工作中使用它，请引用： iPhys：基于开放式非接触式成像的生理测量工具箱 丹尼尔·麦克杜夫 ArXiv 链接：引用为：arXiv：1901.04366 [cs.CV] 我们欢迎有关工具箱的建议或联系。 请联系： 背景： 成像光电容积描记术（iPPG）已开发为一种使用数码相机和环境光远程捕获BVP信号的方

该工具可以帮助您查看受CloudFlare保护的网站背后的真实IP。 CrimeFlare绕过主机名工具可查看受CloudFlare保护的网站背后的真实IP。 简介该工具的功能是在受CloudFlare保护的网站后面执行真正的IP搜索，生成的信息对于进一步渗透很有用。 该工具生成的信息如下。 CloudFlare真实IP IP主机名组织城市国家邮政位置时区代码示例此工具与合作伙伴创建

该工具用来将一个obj文件分解成许多文件，每个小obj文件都是原始大obj文件的一部分。 如果要将它们添加到场景中，只需创建一个Object3D并使用此Object3D添加这些obj文件，然后添加到场景中，即可在场景中查看整个对象。 我认为这对您来说很容易。 特别是，如果您使用google浏览器下载文件，将可以顺利进行。 ---------- lwd

描述 用于生成 .NET 序列化小工具的工具，当使用来自 JS/VBS/VBA 脚本的 BinaryFormatter 进行反序列化时，可以触发 .NET 程序集加载/执行。 当前的小工具在使用来自 jscript/vbscript/vba 的 BinaryFormatter 反序列化时会触发对 Activator.CreateInstance() 的调用，这意味着它可用于通过默认/公共构造函数触发您选择的 .NET 程序集的执行。 该工具的创建主要用于为 RT 参与（初始访问、横向移动、持久性）自动化 WSH 脚本武器化，用于 PoC 的 shellcode 加载器被删除并替换为在 TestAssembly 项目中实现的示例程序集。 细节： 无需更新 AmsiEnable 注册表项或劫持加载库 (AMSI.dll) 即可绕过 AMSI。 绕过 .NET 4.8+ 新引入的用于阻止“A

EconML：用于基于ML的异构处理效果估计的Python包 EconML是一个Python软件包，用于通过机器学习从观察数据中估计异构处理效果。 此软件包是作为Microsoft Research的一部分设计和构建的，目的是将最新的机器学习技术与计量经济学相结合，以使自动化解决复杂的因果推理问题。 EconML的承诺： 在计量经济学和机器学习的交集中实现文献中的最新技术 保持建模效果异质性的灵活性（通过诸如随机森林，增强，套索和神经网络之类的技术），同时保留对所学模型的因果解释，并经常提供有效的置信区间 使用统一的API 建立在用于机器学习和数据分析的标准Python软件包的基础上 机器学习的最大希望之一就是在众多领域中自动化决策。 许多数据驱动的个性化决策方案的核心是对异构处理效果的估计：对于具有特定特征集的样本，干预对感兴趣结果的因果关系是什么？ 简而言之，该工具包旨在测量某些治疗变量T对结果变量Y的因果效应，控制一组特征X, W以及该效应如何随X 。 所实施的方法甚至适用于观测（非实验或历史）数据集。 为了使估计结果具有因果关系，有些方法假定没有观察到的混杂因素（即， X,

Jx-WFST：包装特征选择工具箱 -------------------------------------------------- -------------------------------------------------- -------------------------------------------------- ------------- * 该工具箱提供了 40 多种包装器特征选择方法 * 提供了如何在基准数据集上应用这些方法的示例 * 这个 Jx-WFST 工具箱的详细信息可以在https://github.com/JingweiToo/Wrapper-Feature-Selection-Toolbox找到

================================================== =============== CS恢复算法================================================== =============== CS恢复算法工具箱v0.1 作者：He Liu和Lin Yan（ https://github.com/aresmiki/CS-Recovery-Algorithms.git ） 介绍-------------- 该工具箱实现了几种CS恢复算法[1,2,3,4,5,6,7,8,9,10,11,12,13,14]中所述的方法。 这些包括： 1.正交匹配追踪2.压缩采样匹配追踪3.快速迭代收缩阈值算法4.用于压缩感测的迭代硬阈值算法5.迭代加权最小二乘6.迭代收缩阈值算法7. Null-space Reweig

用于子模函数优化的 Matlab 工具箱 (v 2.0) 作者：Andreas Krause (krausea@gmail.com)。 幻灯片、视频和详细参考资料可从http://www.submodularity.org 获得 在 MATLAB 7.0.1 (R14)、7.2.0 (R2006a)、7.4.0 (R2007a、MAC)、7.9.0 (MAC) 中测试 该工具箱提供了用于优化子模集函数的函数，即，将有限基集 V 的子集 A 取为实数的函数，满足 $$F(A)+F(B)\geq F(A\cup B)+F(A\cap B)$$ 它还提供了几个将子模块函数优化应用于重要机器学习问题的示例，例如聚类、概率模型中的推理和实验设计。 有一个演示脚本：sfo_tutorial.m 关于约定的一些信息： 所有算法都将使用函数对象（示例参见 sfo_tutorial.m）。 例如，

fhe-toolkit-linux：用于Linux的IBM完全同态加密工具包。 该工具包是一个基于Linux的Docker容器，可演示对加密数据的计算而无需解密！ 该工具包附带两个演示，其中包括使用神经网络进行的完全加密的机器学习推理以及保留隐私的键值搜索

SysPy（系统Python） 请以原始版本阅读此文件，以获取正确的文本结构。 该项目基于我的博士学位论文，并且与一个名为System Python（SysPy）的Python工具有关，该工具的开发旨在简化在FGPA设备上实现的以处理器为中心的系统的硬件实现。 使用Python，我们的目标是在相同的脚本环境下集成硬件/软件开发和片上系统（SoC）仿真所需的所有工具。 SysPy还利用了Python清晰而强大的语法，该语法可用于使用硬件描述语言（HDL）（例如语法）或以抽象的方式，使用函数自动生成HDL代码来描述硬件数字设计。 该工具的主要功能概述如下： （a）以处理器为中心的设计以及用于软件开发的相关C编译器工具的处理。 （b）使用参数化的Python函数生成RTL代码。 （c）通过将硬件功能映射到Python函数和类来对设计进行抽象仿真。 （d）模拟和生成用于顶级I /