HanQ,LuZ,ZhaoS,etal.Data-drivenbasedphaseconstitutionpredictioninhighentropyalloys[J].ComputationalMaterialsScience,2022,215:111774.文章目录摘要1.引言2.方法2.1数据收集和处理2.2机器学习模型3.结果和分析3.1特征相关性3.2机器学习模型的预测性能3.3特征和特征降维的重要性和有效性3.3.1特种重要性排序3.3.2特征有效性分析：RFECV（循环特征提取和交叉验证）3.3.3特征降维：PCA分析3.4模型对比3.4.1通过二元分类和ROC曲线进行模型比较
前言 这里记录以下知网看到的一篇论文，论文的信息如下，感兴趣的可以自行下载下来研读。论文名称：一种污水处理优化控制过程的超标抑制控制方法期刊名称：高校化学工程学报（JournalofChemicalEngineeringofChineseUniversities）摘要 原文：常规污水处理过程多目标优化控制中存在出水氨氮和总氮浓度长时间超标的问题，为此提出一种污水处理优化控制过程的超标抑制控制方法。该方法在对多目标优化算法获取的溶解氧和硝态氮质量浓度设定值进行跟踪控制的同时，引入了超标抑制决策；利用AdaBoost-LSSVM实时预测出水氨氮和总氮质量浓度，并根据两者的超标情
我有一个Activity使用以下代码将自定义View添加到整个Activity的Viewactivity.getWindow().getDecorView()).addView(newView)为了显示指导标记/用户提示的屏幕。我的自定义View从RelativeLayout扩展而来，并在其构造函数中在屏幕底部添加了一个按钮，单击该按钮时会关闭View。我已经覆盖了“dispatchDraw”方法，这样我就可以在特定位置将多个coachmarkUI对象(TextView和位图)添加到布局中。这些coachmark对象使用如下代码在View上绘制自己canvas.save();canva
FIFL:AFairIncentiveMechanismforFederatedLearningFL公平激励机制（多中心FL,无区块链）论文资源已免费上传问题1）没有与其花费的资源相匹配的奖励，设备就没有兴趣参加训练。2）防范恶意员工——上传无意义的更新进行破坏，防范低水平与搭便车者——获得奖励大于为系统带来的收入。本文设计 公平奖励员工，以吸引可靠高效的员工；同时基于动态实时员工评估机制惩罚和消除恶意员工。根据两个指标表征工人的评估结果：1）贡献和2）声誉。贡献衡量员工对系统的效用，声誉是员工在一段时间内产生有用更新的概率，两者结合决定奖励诚实员工（或惩罚攻击者）的金额。系统模型1
使用手机中的NFC向商家付款有多种解决方案。作为商户，是否可以只用手机作为终端来接收非接触式支付？似乎需要额外的阅读器(例如Square)，为什么？如果手机中的阅读器无法接收到足够的数据来使用PayPal、Google电子钱包等处理付款？ 最佳答案 从技术角度来看，没有什么可以阻止您使用内置NFC读取器功能实现支付终端。所有AndroidNFC设备都能够与ISO/IEC14443非接触式智能卡协议(protocol)(EMV支付卡所使用的)的读卡器通信。但是，还有一些其他因素可能会阻碍此类努力:如果您想使用现成的(并经过认证的)EM
RIS系列MARIS:ReferringImageSegmentationviaMutual-AwareAttentionFeatures论文阅读笔记一、Abstract二、引言三、相关工作ReferringImageSegmentationAttentionMechanismPowerfulFoundationModelsinComputerVision四、方法图像编码器和文本编码器特征增强交互感知注意力Mask解码器Losses五、实验数据集指标与SOTA方法的比较消融研究交互感知注意力块MaskDecoder特征增强泛化能力六、结论写在前面 马上一周又结束了，12月来了，不知道大家的论
论文链接：https://arxiv.org/pdf/2309.16128v2.pdf代码链接：GitHub-woshiyll/JCRNet目录AbstractMotivationMethodA FeatureExtraction(FES) BJointRefinementStage(JRS)CIlluminationAdjustmentStage(IAS)DLossFunctionsExperimentAbstract 低照度图像增强任务需要在亮度、颜色和光照之间进行适当的平衡。而现有的方法往往只关注图像的某一方面，而没有考虑如何关注这种平衡，这会造成颜色失真和过度曝光等问题
一、《NearbyPatchCL:LeveragingNearbyPatchesforSelf-SupervisedPatch-LevelMulti-ClassClassificationinWhole-SlideImages》1、Abstract： 全切片图像（WSI）分析在癌症诊断和治疗中起着至关重要的作用。在解决这一关键任务的需求时，自监督学习（SSL）方法已经成为一种宝贵的资源，利用它们的效率来规避对大量注释的需求，这对于部署监督方法来说既昂贵又耗时。然而，补丁式表示可能会表现出不稳定的性能，主要是由于类的不平衡所产生的补丁内的WSI选择。在本文中，我们介绍了邻近补丁对比
1.简介在3D人体姿态估计中存在遮挡和模糊问题，使用多相机可能会缓解这些困难，因为不同的视角可以补偿这些遮挡并用于相互一致性。目前的3D人体姿态估计中大多数都是单视角的，有一部分是多视角的，但是他们的方法依赖于相机之间的相对位置，这要用到相机的外参。对于相机内参的缺乏，一些方法可以尝试去估计内参，但是估计的值肯定会不准确。 作者的工作引入了一个不需要外部参数的多视角运动重建，此工作建立在一个新的概念之上，使用众所周知的关节旋转和骨长。此工作依赖于一个关键的见解，即对于所有视角而言，关节旋转和骨长是确定的，也就是说，骨架部分的3D角度与相机位置是没有关系的，此时预测的是运动信息，而
https://doc.zeroc.com/display/ice36/writing+An++application+with+javascript只是官方网站示例，当我运行nodeclient.js时，Ice.Promise.try(^TypeError:Cannotreadproperty'Promise'ofundefinedatObject.(/home/lanceloft/learn/ice/Client.js:6:4)atModule._compile(module.js:570:32)atObject.Module._extensions..js(module.js:579:1
