Introduction of Open CASCADE Modeling Data

简介: Introduction of Open CASCADE Modeling Data eryar@163.com 一、简介Introduction 本教材解释了造型数据(Modeling Data)的使用方法,是造型数据方面的基本文档。

Introduction of Open CASCADE Modeling Data

eryar@163.com

一、简介Introduction

本教材解释了造型数据(Modeling Data)的使用方法,是造型数据方面的基本文档。关于造型数据的高级信息,请访问:www.opencascade.org/support/training

造型数据提供了用于表示二维和三维几何模型的数据结构。提供的功能如下所示:

l 几何工具Geometry Utilities

n 插值和逼近Interpolations and Approximations

n 直接构造 Direct Construction

n 转换成B样条 Conversion to BSplines

n 曲线上的点 Points on Curves

n 极值 Extrema

l 2D Geometry

n 二维几何类型 2D Geometry Types

n 二维几何对象的集合 Collections of 2D Geometric Objects

n 二维适配器 2D Adaptors

n 拓朴类型和朝向 Topological Types and Orientation

l 3D Geometry

n 三维几何类型 3D Geometry Types

n 三维几何对象集合 Collections of 3D Geometric Objects

n 三维适配器 3D Adaptors

n 曲线和曲面的固有属性 Local Properties of Curves and Surfaces

n 拓朴Topology

 

eryar@163.com

Shanghai China

2012-9-25

目录
相关文章
|
7月前
|
数据挖掘
【提示学习】Prompt Tuning for Multi-Label Text Classification: How to Link Exercises to Knowledge Concept
文章这里使用的是BCEWithLogitsLoss,它适用于多标签分类。即:把[MASK]位置预测到的词表的值进行sigmoid,取指定阈值以上的标签,然后算损失。
|
9月前
|
自然语言处理 数据挖掘 Java
Title2Event: Benchmarking Open Event Extraction with a Large-scale Chinese Title Dataset 论文解读
事件抽取(EE)对于新聚合和事件知识图构建等下游任务至关重要。大多数现有的EE数据集手动定义固定的事件类型,并为每种事件设计特定的模式
95 0
|
9月前
|
自然语言处理 算法 知识图谱
DEGREE: A Data-Efficient Generation-Based Event Extraction Model论文解读
事件抽取需要专家进行高质量的人工标注,这通常很昂贵。因此,学习一个仅用少数标记示例就能训练的数据高效事件抽取模型已成为一个至关重要的挑战。
77 0
|
9月前
|
机器学习/深度学习 存储 数据采集
DCFEE: A Document-level Chinese Financial Event Extraction System based on Automatically Labeled论文解读
我们提出了一个事件抽取框架,目的是从文档级财经新闻中抽取事件和事件提及。到目前为止,基于监督学习范式的方法在公共数据集中获得了最高的性能(如ACE 2005、KBP 2015)。这些方法严重依赖于人工标注的训练数据。
70 0
|
9月前
|
机器学习/深度学习 自然语言处理 JavaScript
CasRel:A Novel Cascade Binary Tagging Framework for Relational Triple Extraction 论文解读
从非结构化文本中抽取关系三元组对于大规模知识图构建至关重要。然而,现有的工作很少能解决重叠三元组问题,即同一句子中的多个关系三元组共享相同的实体。
54 0
|
数据可视化 数据挖掘 开发者
Data-Basic Statistical Descriptions of Data| 学习笔记
快速学习 Data-Basic Statistical Descriptions of Data。
109 0
Data-Basic Statistical Descriptions of Data| 学习笔记
|
机器学习/深度学习 新零售 自然语言处理
KDD 2020 <A Dual Heterogeneous Graph Attention Network to Improve Long-Tail Performance for Shop Search in E-Commerce> 论文解读
店铺搜索是淘宝搜索的一个组成部分,目前淘宝有近千万的店铺,7日活跃店铺也达到百万级别。店铺搜索场景拥有日均千万级别UV,引导上亿的GVM。
KDD 2020 <A Dual Heterogeneous Graph Attention Network to Improve Long-Tail Performance for Shop Search in E-Commerce> 论文解读