我们使用高度改进的交错夸克（HISQ）形式论对第二代MILC胶凝体合奏（包括上，下，奇异和魅力夸克）在零后坐时的Bs→Ds *轴向形状因子进行点阵QCD计算的详细信息。 海。 对所有化合价夸克使用HISQ动作意味着，耦合到W的晶格轴向矢量电流可以完全非扰动地重新归一化，从而获得没有先前晶格QCD计算所具有的扰动匹配误差的结果。 我们针对物理c和s在三个晶格间距值和多个b夸克质量下计算相关函数。 可以确定对b夸克质量的功能依赖性，并将其与重夸克的有效理论预期值进行比较，并得出以b夸克质量的物理值获得的形状因数的结果。 我们发现FBs→Ds *（1）= hA1s（1）= 0.9020（96）stat（90）sys 这与较早的使用NRQCD b夸克的晶格QCD结果一致，总不确定度降低了2倍以上。我们讨论了该结果对零反冲时B→D *轴向形状因数的影响以及确定 Vcb。

我们对一元和Rξ量表执行Abelian-Higgs模型的一门旧式的单环重归一化，重点是标量势和量规玻色子质量。 我们的目标是在这种简单的情况下证明量子规在量子水平上的有效性，这可能为迄今为止（主要是）避免使用的循环计算框架开辟道路。 我们确实发现，gauge度量在β函数水平上是一致的，并且等效于Rξ度量。 然后，我们比较两个量规中经过重新规范化的有限单环希格斯势，然后再次找到等价物。 该等价不仅需要将仪表固定参数ξ从Rξ仪表电位中完全消除，而且需要其ξ独立部分等于单一仪表结果。 我们通过绘制重归一化组的轨迹和恒定物理线来追踪系统的量子行为，前者是众所周知的曲线，后者是由反项的有限部分确定的，特别适合与非条件项进行比较 -摄动研究。

直剪试验是测定土体抗剪强度常用的方法。通过对重塑上海第4层淤泥质粘土分别进行固结快剪和慢剪试验,对慢剪和快剪的剪应力和剪切位移曲线以及慢剪和快剪的抗剪强度曲线进行分析,并对其剪应力与剪切位移关系曲线进行归一化分析,拟合得到各竖向压力下τ?S?S的归一化方程,进而统一了各竖向压力下τ/P.S?S的归一化方程,并通过抗剪强度曲线图可得到抗剪强度参数粘聚力(c)和内摩擦角(?);抗剪强度和剪切破坏时与剪切面上的含水率有较好的线性关系。

为响应对可用于QCD来描述和理解Minkowski时空中强子中胶子动力学的理论工具的日益增长的需求，在以下最简单的可用方法中显示了有效粒子的重归一化组过程（RGPEP）： 重夸克在第一近似中表现出受欢迎的普遍性，一旦人们假设微扰理论胶子获得了有效质量，它就会产生。 也就是说，在二阶项中，重夸克有效夸克-反夸克分量中具有Breit-Fermi自旋耦合的库仑电势在单味QCD中通过不依赖于自旋的谐波振荡器项来校正 假定的有效胶子质量或RGPEP发生器的选择。 我们在这里使用的新型发生器比以前使用的发生器简单得多，并且具有适合于研究有效胶子动力学的优点，该动力学研究的胶子动力学比第二级更高，并且超出了扰动膨胀。

我们研究了晶格QCD中的对角矢量电流的重新归一化，旨在了解和量化与使用中间动量减法相关的非扰动伪影的系统误差。 我们的研究对包括nf = 2 + 1 + 1种海夸克的胶子场配置使用了高度改进的交错夸克行为，但我们的结果可用于其他夸克行为。 对于保留电流使用精确的晶格矢量Ward-Takahashi同一性的重归一化方案对于不受保守扰动的冷凝物污染的非保守矢量电流也具有重归一化因子ZV。 我们通过两种比较方案的显式比较来证明这一点：零动量传递时的矢量形状因子和RI-SMOM动量减法。 ZV的两个确定仅因离散效应（对于RI-SMOM情况下的任何动量传递值）不同。 RI'-MOM方案虽然被广泛使用，但是却不具有此特性。 我们显示，在该方案中以标准方式确定的ZV具有O（1％）非扰动污染，这限制了其准确性。 取而代之的是，我们从局部矢量电流守恒比与保守矢量电流顶点函数之比定义RI'-MOM ZV，并证明该ZV是可用于晶格QCD计算的安全方法。 我们还使用RI-SMOM方案对矢量电流重新规范化进行了首次研究，其中包括淬灭QED对晶格的影响。

用c#做的图像识别程序 用于人脸的识别 希望对大家有用 也希望多挣一些积分

使用sklearn，numpy来归一化，标准化并且逆转。

机器学习领域中涉及的数据局预处理，归一化、标准化 。

LDPC码的一种低复杂度归一化最小和译码算法.pdf

GETNPVI 计算归一化成对变异指数 (NPVI) 和变异系数 (CV)，如 Grabe & Low (2002) 所述。 [NPVI CV] = GETNPVI(IN) 返回归一化成对变异输入语句 IN 的索引 NPVI（M*N 或 M*N*P）和变异系数 CV（M*N 或 M*N*P）。 IN是大小的音节持续时间矩阵M*N 或 M*N*P。 示例：如果 IN = [1 2 3; 3 3 6; 4 6 8; 4 7 7]； 那么 [npvi cv] = getNPVI(IN) 是 npvi = [53.3333; 33.3333； 34.2857； 27.2727]。 cv 是 [0.5000; 0.4330； 0.3333； 0.2887] 示例：如果 IN(:,:,1) = [1 2 3; 3 3 6] 和 IN(:,:,2) = [4 6 8; 4 7 7] 然后 [np