登录

最新会员 最新下载

成为了本站VIP会员

05月09日 16:51

成为了本站VIP会员

05月09日 14:47

成为了本站VIP会员

05月08日 20:16

成为了本站VIP会员

05月08日 10:54

成为了本站VIP会员

05月07日 09:50

成为了本站VIP会员

04月30日 12:23
已选条件
  1. 编程语言:Python
  2. 代码类别:其他
  3. 发布时间:不限
全部撤销
编程语言 更多 收起
代码类别 更多 收起
发布时间
更多选项

1. hypermesh-绝对精品教程-力荐

说明:  包括Hypermesh的使用教程和基本案例,用于有限元的网格划分,尤其是广泛使用的非线性有限元软件Abaqus。(Including Hypermesh tutorials and basic cases, used for finite element meshing, especially the widely used nonlinear finite element software Abaqus.)

3
下载
163
浏览
2021-01-04发布

2. deepdesc-release-master

  利用深度学习对特征描述符进行训练,得到较精确的特征描述符(The feature descriptors are trained by depth learning to obtain more accurate feature descriptors)

2
下载
139
浏览
2021-01-04发布

3. MTGNN-923

说明:  这是一个图神经网络的多元时间序列预测模型(GRAPH NEURAL NETWORK TS)

5
下载
270
浏览
2021-01-04发布

4. 高德交通态势爬取

说明:  爬取高德地图交通态势流量,检测路段,py代码,导入arcgis前处理使用(Traffic situation flow of climbing high Germany map)

3
下载
489
浏览
2021-01-03发布

5. Python在ABAQUS中

说明:  1、 用Python脚本实现Abaqus参数化建模 在Abaqus中运行Python语言编写的代码可以实现在CAE用户界面中能够实现的全部功能,包括建模,定义材料属性,定义计算步,定义接触和约束,划分网格,提交计算任务等等。 Python脚本可以实现各种判断语句、循环语句、数据存储与处理等,能够实现人工智能控制和自动化处理过程。根据需要,还可以只对分析过程中的莫一部分实现自动化。当用户面对大量重复性的建模工作时,就可以尝试编写Python脚本,实现参数化和自动化建模,每回计算只需要在Abaqus中选择运行脚本,即可省去大量时间和精力。 2、用Python脚本实现Abaqus后处理 在Abaqus中通过Python脚本接口,可以访问Abaqus标准输出数据库.ODB文件,可以实现从(向).ODB文件读取(写入)数据,在Abaqus输出的计算结果的基础上进行进一步的数据分析和处理。 例如在导入odbAccess模块后,通过openOdb方法读取输出文件中的结果,在o读取的db对象中通过进一步操作得到输出的场变量,例如位移U,在进一步分析和计算后,将计算后的结果输入到通过Odb方法建立的新odb对象中,在保存结果后,可在Abaqus后处理模块Viewer中打开相应的odb文件,观察处理过后的结果。(1. Parametric modeling of ABAQUS with Python script 2. Implementation of ABAQUS post processing with Python script)

3
下载
177
浏览
2021-01-02发布

6. total-focusing-method-master

说明:  该功能用于超声相控阵全聚焦成像仿真,可以对采集参数进行设置,实现全聚焦成像(This function is used for ultrasound phased array full-focus imaging simulation, which can set the acquisition parameters to achieve full-focus imaging)

10
下载
137
浏览
2020-12-31发布

7. UNSW_NB15_RNN

说明:  用UNSW数据集进行入侵检测,运用各种组合模型,精确度能达到90%以上,运用比较流行的神经网络模型分别进行了测试(Intrusion detection using UNSW dataset)

2
下载
98
浏览
2020-12-30发布

8. SVM

说明:  正在学习统计方法,学习支持向量机的代码,很好的二分类算法,需要的,可以参考,内附数据集和代码。(侵删)(Learning statistical methods, learning SVM code, a good two classification algorithm, need, can refer to, enclosed data sets and code.)

2
下载
107
浏览
2020-12-29发布

9. test

说明:  通过python 脚本在abaqus 创建模型(Creating model in ABAQUS through Python script)

0
下载
64
浏览
2020-12-29发布

10. Python语言在Abaqus中的应用_(2)

说明:  联系python与abaqus的应用,详细介绍了python编程方法(The application of connecting python with ABAQUS)

0
下载
102
浏览
2020-12-29发布

11. 《深度学习与图像识别:原理与实践》 代码

说明:  《深度学习与图像识别:原理与实践》 及内容实现python代码("Deep learning and image recognition: principle and practice" and content implementation of Python code)

3
下载
83
浏览
2020-12-29发布

12. puff_2d

  高斯烟羽模型2D的Python实现。用于污染物/危险物品扩散分析。(Gauss plume model 2D Python implementation. For the analysis of pollutant diffusion/dangerous goods.)

44
下载
187
浏览
2020-12-29发布

13. pbc

说明:  周期性边界条件,边界条件,周期性,周期性边界条件;(periodic boundary condition)

13
下载
162
浏览
2020-12-29发布

14. odb_MaxMises_lastframe

  python语言提取odb文件中某个节点集合的应力值(get the mises stress for a node set)

2
下载
85
浏览
2020-12-28发布

15. userscript_odb

说明:  abaqus 从odb文件提取数据到txt文件(get data form Abaqus odb file)

2
下载
117
浏览
2020-12-28发布

16. 协整

说明:  分析协整性,周期共振,时间序列分析,多只股票同时分析,分析协整性,周期共振,时间序列分析,多只股票同时分析(In many domains,a common analytical query is Show me some representative/typical data.This query might be issued by a human, attempting to explore a massive archive, or it might be issued by an algorithm as a subroutine in some higher-level analytics.)

3
下载
86
浏览
2020-12-28发布

17. ARIMA-master

说明:  ARIMA做股票预测,效果亲测可以用,效果挺好(ARIMA do stock forecast, the effect pro - test can be used)

6
下载
89
浏览
2020-12-27发布

18. hybrid-ARIMA-LSTM-model-master

说明:  使用LSTM-ARIMA模型进行混合预测,ARIMA做线性部分的预测,LSTM做非线性部分(LSTM-ARIMA model is used for mixed prediction, ARIMA for linear prediction and LSTM for nonlinear prediction)

25
下载
238
浏览
2020-12-27发布

19. keshe

说明:  文章管理系统 实现用户登录、注册和退出界面 实现对文章的增、删、查、改等功能 实现对文章的保存 用户信息保存到json文件中(Article management system)

1
下载
77
浏览
2020-12-27发布

20. GAN-mnist

  利用GAN网络进行手写数字识别,经过测试,可以达到很高的分类效果。很适合GAN网络初学者。(This is code for GAN.)

24
下载
120
浏览
2020-12-26发布