论文阅读和分析：PP-Net A Deep Learning Framework for PPG-Based Blood Pressure and Heart Rate Estimation

EEGLAB安装、EDF数据导入、EEG预处理（Matlab）

目录下载和安装下载安装遇到问题及解决方案导入EDF数据EEG预处理下载和安装下载链接：https://pan.baidu.com/s/17eMT6B7LgZ4PyqWvD5ixmg 提取码：12gz 安装 **第一步：**将下载下来的文件解压，修改名称为eeglab，将此文件夹存放在matlab的安装目录里的toolbox文件夹下，下图是我的路径，需要拷贝到自己相对应的路径中第二步：打开Matlab软件，点击主页中的设置路径设置路径点击添加并包含子文件夹，将eeglab文件夹添加进来，保

y18771025420的博客 1万+

论文阅读和分析：CorNET Deep Learning Framework for Heart Rate Estimation and Biometric Identification

论文阅读

KPer_Yang的博客 400

用户存续期价值评估CLV(二) BG/NBD Model python模拟

BG/NBD Model …继续想象每一个客户有两个硬币，一个“Buy Coin"控制客户购买的概率；一个"Die Coin"控制客户流失、不再购买的概率。前面假设了客户的交易次数服从泊松过程：在一年中的每个月，客户都以抛硬币的方式来决定是否购买。我们所观察到的购买次数取决与泊松分布的参数 ????。 %matplotlib inline import numpy as np impor...

weixin_43171270的博客 3426

【医疗电子技术-11】医疗人工智能算法技术

定义：医疗人工智能是指将人工智能技术应用于医疗领域中，以提高医疗行业的效率和质量。医疗人工智能 的应用可以帮助医生更快地诊断疾病，提高治疗效果，减少医疗事故，降低医疗成本。医疗人工智能 的发展是医疗行业数字化转型的重要组成部分。特点：医疗人工智能算法技术具有高效、准确、自动化等特点，能够提高医疗服务的效率和质量，降低医疗成本，为患者提供更好的医疗体验。医学诊断：人工智能技术可以辅助医生进行疾病诊断，提供更准确的诊断结果，减少漏诊和误诊。手术辅助。

m0_56997192的博客 1575

Tiff、jpg图片怎么样添加地理坐标信息

Tiff、jpg图片怎么样添加地理坐标信息一般，外业调查只有地图资料，如专题图、或者地形图，如何把这些地图资料的扫描地图带上坐标信息，从而内业实现信息化处理？以上问题，可以解决，但根据不同情况有不同的处理方法。第一种，上面有经纬度外框，图片是矩形，但是没有地理信息。通过图框的两个角的坐标确定范围，分别是左上（140°E，30°N）；右下（150°W，30°N）解决方

树木_xzw的博客 2万+

eNSP网络构建—建立小型局域网

企业私有网络构建运维实战案例——使用模拟器构建局域网络案例分析 1.架构分析（1）需求分析本实验的目的在于建立小型局域网。由于公司由不同部门组成，并分布在不同地点，因此需要划分不同网络实现互联互通。设计以下网络：两个部门各使用一台交换机连接，然后连接到总交换机，再通过路由器与外网以及其他部门网络相连。为了控制网络上的广播风暴，增加网络的安全性，在交换机上需要设置VLAN，在路由器与交换机之...

_ 4万+

基于注意力机制的CNN-LSTM模型及其应用（含软硬注意力区别）

处理原始数据集，再将其按 6∶2∶2 的比例划分。数据输入时进行归一化，在加速模型收敛的同时，一定程度提升模型精度；输出时进行反归一化。

pengxiang1998的博客 4万+

基于PCL、Open3d、Easy3d 、VTK等常见开源库的QT开发

PCL+QT开发

阁楼 2万+

heartrate_analysis_python：心率分析的利器，让PPG与ECG信号处理更简单

heartrate_analysis_python：心率分析的利器，让PPG与ECG信号处理更简单去发现同类优质开源项目:https://gitcode.com/ 项目介绍在现代生物医学工程和健康监测领域，心率分析是获取个体生理状态的重要手段。heartrate_analysis_python 是一款专注于PPG（光电容积描记图）和ECG（心电图）信号处理的心率分析Python软件包，致力于为...

gitblog_06749的博客 588

Meta新开源多语种语音基座Omnilingual ASR

Meta FAIR 团队最近祭出了，这不仅仅是对 MMS (Massively Multilingual Speech) 的简单升级，而是一次从“多任务学习”向“上下文学习（In-Context Learning）”的范式跃迁。通过将 Wav2Vec 2.0 编码器扩展至 70 亿参数，并引入 LLM 风格的 Decoder，Omnilingual ASR 不仅原生支持 1600+ 种语言，更具备了类似 GPT 的“零样本”扩展能力——只需给出几个音频-文本对，即可解锁从未见过的语言。

kakaZhui的博客 146

【系统分析师】2025年下半年真题：综合知识-答案及详解（回忆版）

本文摘要包含系统分析师考试相关题目解析，主要涵盖软件工程、数据库、网络协议和项目管理等知识点。内容包括：软件再工程与逆向工程的区别（D）；GNU GPL开源协议特性（A）；TCP/IP协议分层（A、B）；数据库范式判定（A、B）；前导图进度管理工具（C）；系统规划中的数据类识别方法（B、D）；关系代数除运算（C）；CMM优化级特征（A）；回归测试重要性（C）。这些解析帮助理解核心概念和考试重点。

数据知道的博客 6717

【Few-Shot Segmentation论文阅读笔记】Part-aware prototype for few-shot semantic Segmentation, ECCV, 2020

Abstract 问题：现有Few-shot segmentation方法的缺点包括：只能处理有限的问题：one-way few-shot segmentation, 比较难向multi-way进行扩展 Single prototype 表征能力有限，无法涵盖object的全部regions 目标：针对上述问题，本文引入semi-supervised framework，将其作为semi-supervised few-shot semantic segmentation问题，从两方面入手en

Raymond_Love的博客 2904

C#实现OPC客户端与S7-1200 PLC通信：工控场景稳定通信的实战指南（附完整代码）

标准化优先：OPC UA是工业通信的标准，相比直接通信，更适合多设备集成的工控场景；稳定性第一：必须封装断线重连、异常处理、资源释放逻辑，满足7×24小时运行需求；效率优化：高频采集场景优先用批量读写，避免单个变量频繁请求；细节把控：节点ID、变量类型、端口配置等细节是新手最容易踩坑的地方，建议先用UA Expert验证。这套代码和方案已在多个工业项目中落地，从单台S7-1200到多台S7-1200/1500集群，都能稳定运行。

这里只有干货：从 Modbus 通信到 MES 对接，从 YOLO 训练到工控机部署，带你搞定工业软件开发全流程。 1035

【语义分割网络系列】五、PSPNet

PSPNet

traveller的博客 1966

最新的sdio 4.0 spec 协议标准带书签高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准带书签高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具，可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

PP-LCNet论文全文解析

PP-LCNet: A Lightweight CPU Convolutional Neural Network ???? PDF Link ???? Github Code Section 1 介绍随着模型参数和FLOPs的加大，模型越来越难以在基于ARM架构的移动端设备或者x86架构的CPU上取得较快的推理速度。虽然有许多优秀的移动端网络被设计出来，但是由于MKLDNN的限制，网络的推理加速效果并不理想。本文重新考虑了轻量级模型的构成，尤其是我们考虑了三个基础问题：在不增加网络延时的前提下，如

Tsuinosora 4190

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

多任务建模之PPNet

多任务ppnet网络结构

weixin_38381682的博客 1万+

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

PPNet模型和tf.stop_gradient的用法

参考链接： 1. 快手参数个性化 CTR 模型 - PPNet 2. 快手精排模型实践如上图所示，PPNet 的左侧是目前常见的 DNN 网络结构，由稀疏特征（sparse features）、嵌入层（embedding layer）、多神经网络层（neural layer）组成。右侧是 PPNet 特有的模块，包括 Gate NN 和只给 Gate NN 作为输入的 id 特征。其中 uid，pid，aid 分别表示 user id，photo id，author id。左侧的所有特征的 em

qq_38124658的博客 7228

深度学习 目标检测算法大全列表

向AI转型的程序员都关注了这个号????????????机器学习AI算法工程公众号：datayxThis is a list of awesome articles about ob...

datayx的文章 3309

论文笔记：一次前向就出整块动作：DriftingVLA 拆解

DriftingVLA提出一种无需迭代的单步视觉-语言-动作生成范式，通过在训练中引入基于动作维度的漂移场（PDTD），将分布修正内化为模型参数。其核心是重初始化动作接口，直接预测动作块而非速度，并利用多兄弟样本间的吸引与排斥构建无蒸馏、无积分的分布匹配目标。实验表明，该方法在保持高精度的同时实现一次前向推理，显著优于现有一步生成方案，且部署时仅需1次前向计算，真正实现“一次前向出整块动作”。

踏雪亦无痕的博客 375

【论文阅读】Agent 记忆机制（127）：Think or Remember——Agent“重新思考”与“保留记忆”的成本汇率

本文提出“思考与记忆的架构汇率” $P^* = c/\beta$，揭示上下文策略成本不仅取决于Token数量，更受模型架构与缓存规则影响。删除历史虽减少输入长度，但可能破坏前缀缓存、引发重复推理，导致实际成本上升。论文区分“机械成本”与“行为改变成本”，证明同一策略在不同系统下成本排序可反转。核心结论：记忆保留与否的性价比，由架构、缓存机制与任务轨迹共同决定，而非单纯比较文本长度。

weixin_45642847的博客 255

【论文阅读】Agent 记忆机制（124）：The Memory Trap——良性交互如何让长期记忆越过作用域边界

《The Memory Trap》揭示：即使记忆内容真实且无恶意，Agent仍可能因过度泛化局部经验导致安全风险。论文首次系统定义“记忆作用域越界”为Memory Trap，通过三类实验证明，记忆在写入或读取阶段均可能引发自治、偏见与作弊行为。研究强调，仅保证记忆真实性不足，还需明确其适用边界。

weixin_45642847的博客 394

论文阅读-cavast

论文简单介绍标题：Put an Elephant into a Fridge: Optimizing Cache Efficiency for In-memory Key-value Stores发表在数据库领域的顶级刊物（简称2020年发表。

2301_79035389的博客 226

【论文阅读】Agent 记忆机制（121）：StateGraph——事实变了，依赖它的计划为何还在继续执行？

StateGraph 提出一种依赖感知的状态修订机制，解决 Agent 记忆中“局部变化引发全局失效”的问题。传统系统仅更新直接冲突项，而忽略下游状态的隐式依赖。StateGraph 通过反事实验证从交互历史中恢复支持关系，仅在前提失效且无独立支持时才传播变更，实现选择性撤销。该方法在保持长期一致性的同时避免过度清理，推动 Agent Memory 从“能否记住”迈向“是否仍可信”的深层认知。

weixin_45642847的博客 303

论文阅读笔记：GPT-6-Astra Lights Up Embodied Navigation

本文研究通用基础模型 GPT-6-Astra 能否利用自身的感知、推理与决策能力在陌生环境中导航，聚焦连续环境中的零样本视觉-语言导航（VLN-CE），在 Codex 评估框架中通过极简接口进行。GPT-6-Astra 仅凭单目 RGB 观测就实现了强劲的零样本导航性能。在 R2R-CE-100 上，GPT-6-Astra（超强推理）取得 81.3% 的成功率，分别比已报告的最强零样本成功率和最强基于训练的成功率高出 15.3 和 9.2 个百分点。

DUTBenjamin的博客 379

【论文阅读】-- 保护基于LLM的多智能体系统免受协同攻击+句子级纠正

本文提出自适应协同攻击框架，揭示恶意智能体通过多轮交互、动态协调可显著提升攻击破坏力。针对此威胁，提出无训练的STAR防御框架，在句子粒度实现误导信息识别与修正，有效抵御独立与协同攻击，平均提升任务成功率36.76%。实验验证其高效性与可解释性，代码已开源。

我是个好人呀，O(∩_∩)O 222

论文阅读-vLLM

普通的请求是“一问一答”。并行采样（Parallel Sampling）：给定一个 Prompt，模型一次性生成多个完全不同的候选回答（比如生成 5 个故事开头供你挑选）。束搜索（Beam Search）：在生成每一步时，保留当前得分最高的几个候选序列，向下探索。在这两种场景下，同一个用户请求，在系统里会分裂成多个并行的序列。如果生成 4 个候选回答，系统里就有 4 条独立的序列在同时跑。

2301_79035389的博客 255