five

Notebooks and calculation files for: Modeling of the 3-Coupled-Core Fiber: Comparison Between Scalar and Vector Random Coupling Models|光纤技术数据集|计算建模数据集

收藏
Mendeley Data2024-05-17 更新2024-06-30 收录
光纤技术
计算建模
下载链接:
https://zenodo.org/records/7896591
下载链接
链接失效反馈
资源简介:
The files with simulation results for JLT submission "Modeling of the 3-Coupled-Core Fiber: Comparison Between Scalar and Vector Random Coupling Modelsr". "3CCF_supermodes" file is the Mathematica code which enables to calculate supermodes (eigenvectors of M(w)) and their propagation constants of 3-coupled-core fiber (4CCF). These results are uploaded to the python notebook "3CCF_modelingJLTPaper" in order to plot them to get Fig. 3 in the paper. "TransferMatrix" is the python file with functions used for modeling, simulation and plotting. It is also uploaded in the python notebook "3CCF_modelingJLTPaper", where all the calculations for figures in the paper are presented. ! UPD 25.09.2023: There is an error in the formula of birefringence calculation. It is in the function "CouplingCoefficients" in "TransferMatrix" file. There the variable "birefringence" has to be calculated according to the formula (19) [A. Ankiewicz, A. Snyder, and X.-H. Zheng, “Coupling between parallel optical fiber cores–critical examination”, Journal of Lightwave Technology, vol. 4, no. 9,pp. 1317–1323, 1986]: (4*U**2*W*spec.k0(W)*spec.kn(2, W_)/(spec.k1(W)*V**4))*((spec.iv(1, W)/spec.k1(W))-(spec.iv(2, W)/spec.k0(W))) The correct formula gives almost the same result (the difference is 10^-5), but one has to use a correct formula anyway. P.s. In case of any questions or suggestions or if you need more explanations, you are welcome to write me an email ekader@chalmers.se. If it seems like the code does not work or mistakes in simulations are found, I also appreciate letting me know.
创建时间:
2023-06-28
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

基于OFES数据计算台湾以东逐月位涡(1993-2017)

基于1993-2017年间OFES高分辨率模式数据集中的温度和盐度数据计算的台湾以东位势涡度逐月三维分布。所使用OFES数据为开源数据。

国家海洋科学数据中心 收录

Electrical-Lines-Defect-Detection

该数据集是针对电力线路缺陷检测的,包含了由APEPDCL线路工人使用移动相机捕获的图片,并由Sampath Balaji团队整理。数据集以CC BY 4.0许可证发布,旨在促进开源合作、可重现性和人工智能的实践学习。数据集分为两个模块:目标检测和分类。目标检测模块遵循YOLOv12格式,分类模块由文件夹和CSV文件组成,都提供了训练、验证和测试数据集。

huggingface 收录

DIPSEER: A Dataset for In-Person Student Emotion and Engagement Recognition in the Wild

DIPSEER是一个用于识别学生情绪和参与度的数据集,包含图像、标签和传感器数据。

github 收录

LFW (Labeled Faces in the Wild)

Labeled Faces in the Wild,是一个人脸照片数据库,旨在研究无约束的人脸识别问题。该数据集包含从网络收集的超过 13,000 张人脸图像。每张脸都标有图中人物的名字。照片中的 1680 人在数据集中有两张或更多张不同的照片。这些人脸的唯一限制是它们是由 Viola-Jones 人脸检测器检测到的。更多细节可以在下面的技术报告中找到。

OpenDataLab 收录

中国沙漠边界数据集(2000-2020年)

  本数据集基于Landsat遥感影像,通过辐射定标和大气校正等预处理算法得到沙漠区域影像,通过人工目视解译及波段指数的方法提提取沙漠边界区域。数据集涉及的沙漠主要包括中国八大沙漠。分别为腾格里沙漠,塔克拉马干沙漠,巴丹吉林沙漠,库布奇沙漠,乌兰布和沙漠,库木塔格沙漠,古尔班通古特沙漠,...

国家冰川冻土沙漠科学数据中心 收录