本书不仅对常见的DOS分区体系及Windows的FAT文件系统、NTFS文件系统进行了详细的介绍，更涵盖了苹果机分区、BSD分区、SPRC平台的Sun Solaris分区、GPT分区等分区方式，以及Linux的Ext2/Ext3、Unix的UFS1/UFS2、MAC的HFS+等文件系统布局及详细数据结构的讲解，多数资料的详细程度是目前绝无仅有的。另外，本书还充分考虑到初学者刚接触数据恢复实际工作时无从下手的感觉，从数据恢复前的准备到实际恢复工作的进行，从理论分析到数据恢复软件的使用，一步步带领读者踏入数据恢复的殿堂。 更为重要的是，为了使读者有接近实战的机会练习RAID分析与恢复技术，配书光盘（双DVD）中附送了近30个精心制作的RAID模型，包含了RAID0、RAID5、RAID 1E、HP内外双循环阵列等。 本书适合文件系统研究人员、数据恢复从业人员、数据恢复教学人员、数据恢复编程人员、电子取证工作者、数据安全研究人员、系统管理员及数据安全存储与灾难恢复爱好者阅读和使用。 因网上找到的其他版本看上去都不清晰，所以在完整版的基础上，重新制作了这个带标签清晰PDF版，希望大家喜欢！ 这是 174 MB 的带标签清晰PDF版，文字对比度增强了，看上去舒服多了！

dnn训练matlab代码DNN_WMMSE [更新]：此代码已过时，请参考我们的 Python 版本： . 用于重现我们在 DNN 研究方面的工作的 MATLAB 代码。 只需运行“main.m”，您将获得高斯 IC 案例的结果。 要获得其他部分的结果，可能需要稍作修改。 我们还提供了一些预训练的函数来在表中显示我们的结果。 1 & 表 2。 要运行我们的代码，需要先安装 Neuron Network Toolbox 和 Deep Learning Toolbox。 代码已在 MATLAB 2016b 预发布平台上成功测试。 参考文献： [1] 孙浩然，陈向义，史清江，洪明义，肖夫，Nikos D. Sidiropoulos。 “学习优化：为无线资源管理训练深度神经网络。” 1.0 版 -- 2016 年 9 月 作者：Haoran Sun (hrsun AT iastate.edu)

最初的程序是由 Christopher Wong 先生开发的。 感谢他的紧凑工作。 我从原始程序中学到了很多东西。 在我的案例中，参考书是 Chopra 博士的《结构动力学》，2001 年第二版，第 191 页。 第 2 版和第 4 版之间的模型参数似乎有所不同。 我试图重现表 E5.6，p192。 原始程序中的收敛过程不清楚。 我是Matlab的初学者。 于是，为了解决非线性DSOF和练习Matlab，我开始修改Christopher Wong先生的原始程序。 以下是修改项目。 1) 使用的参数来自 Chopra 博士的《结构动力学》第二版。 2) 使用全波长正弦波产生双向屈服。 3) 考虑兼容性条件来计算加速度。 4) 引入变量flg 来指定力-变形关系的状态，例如flg=1 弹性，flg=2 屈服，flg=3 回弹弹性。 5) 当flg=2的du*du0<0时产生回弹弹性，其中d

亲测好用 C#编写PC应用程序控制Robotstudio中的机器人。主要实现的功能是在VS中利用C#语言编写控制端，在Robotstudio中编写机器人端控制程序，并用PC SDK实现接口通讯，在面板中留下鼠标轨迹，机器人再重现运动。

GS法傅里叶变换并循环得到全息图以便全息再现原图 GS法计算全息重现

在Conda环境中安装R，Python和Snakemake 通过Conda使用R，Python和Snakemake进行可重现的分析 该存储库包含安装脚本，用于自动安装R，Python和Snakemake以及在conda环境中用于生物信息学和数据科学项目的其他软件。 安装程序将安装1）r-base和r-essentials，2）python，JupyterLab和核心SciPy软件包，以及3）Snakemake工作流管理系统，允许在本地，群集和云平台上进行交互式或批处理分析。 安装程序还将通过创建以下项目来简化conda env中R的设置：项目级别的.Rprofile和.Renvironment文件，用于在R中设置项目级别的工作目录的.here文件，以及用于临时安装R的外部R库目录R软件包尚未在conda-forge或bioconda渠道上发布。 重要的是，当将R与conda一起使用时

GPS轨迹重现，是实验课的东西。也是从csdn下的。不知道这个是修改过的还是没改过的。没改过的程序在跑大地图的时候会出现地图下半部分误差很大。对照包中文档的代码可以修正，只差了几行。

深度学习TensorFlow2.0 前言 在这个项目中，我将使用谷歌TensorFlow2.0框架逐一重现经典的卷积神经网络：LeNet-5，AlexNet，VGG系列，GooLeNet，ResNet系列，DenseNet系列，以及现在比较流行的：RCNN系列，SSD ，YOLO系列等。 教程目录 图像分类任务1.手写数字识别FirstNet（已​​完成） 2.快速建造卷积网络FastNet（已​​完成） 3. LeNet-5（已完成） 4. AlexNet（已​​完成） 5. VGG系列（已完成） 6. GooLeNet（已​​完成） 7. ResNet系列（已完成） 8. DenseNet系列（已完成） 目标检测任务1. RCNN系列2. SSD 3. YOLO系列 项目环境 Python3 Python3.6和3.7 PyCharm2018和2019 Tensorflow2.0

行业-电子政务-AFC电路、载波重现电路和接收装置.zip

简单，可重现的Metashape工作流程 一种工具，可让您轻松地在单个计算机上批量运行可复制的，已记录文档的Metashape摄影测量工作流，或在计算群集上以并行作业的形式运行。 无需编码知识。 设置 Python：您需要Python（3.5、3.6或3.7）。 我们建议使用因为它包含所有必需的库。 安装时，如果询问安装程序是否应初始化Anaconda3，请说“是”。 必须在安装时初始化Anaconda，以便可以从命令行调用python 。 一种检查方法是在命令提示符下简单地输入python ，然后查看生成的标头信息是否包含Anaconda和Python3。如果不包含，则可能仍需要初始化Conda安装。 替代选项：如果您需要最小限度的python安装（例如，如果您要在计算群集上安装），则可以安装 。 安装miniconda之后，您将需要使用pip install {package_name