登录
t6_968978
注册时间:2022-03-30 10:07:54
Ta的资源
DBE - Dynamic Balance Engine-开源 机器人平衡的基础,可简化带有平衡引擎的平衡机器人的软件开发。 DBE还将在Open GL的桌面上本地模拟物理,以测试实际的平衡算法或客户对平衡解决方案的想法。
开发工具:
大小:24.2KB
2022-06-15 18:43:36上传
patrones:在Java中使用模式的示例 Java模式 在Java中使用模式的示例
开发工具:
大小:27.7KB
2022-06-15 01:30:25上传
SWF_Compress SWF_Compress绿色试用版,压缩swf文件,减小Flash影片文件体积,可惜该试用版压缩后,所有颜色都没了(黑白).
开发工具:
大小:9.5MB
2022-06-14 20:53:13上传
matlab开发-PicoScope5000系列ApimatLabGenericInstrumentDriver matlab开发-PicoScope5000系列ApimatLabGenericInstrumentDriver。用于PicoScope 5000系列示波器的MATLAB仪器驱动程序
开发工具:
大小:1.5MB
2022-06-14 18:44:18上传
tomcat服务器配置及安装文件 Tomcat是Apache 软件基金会(Apache Software Foundation)的Jakarta 项目中的一个核心项目,由Apache、Sun 和其他一些公司及个人共同开发而成。由于有了Sun 的参与和支持,最新的Servlet 和JSP 规范总是能在Tomcat 中得到体现,Tomcat 5 支持最新的Servlet 2.4 和JSP 2.0 规范。因为Tomcat 技术先进、性能稳定,而且免费,因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可,成为目前比较流行的Web 应用服务器。
开发工具:
大小:6MB
2022-06-14 05:24:07上传
利用anim实现自定义progressbar 利用anim实现自定义progressbar
开发工具:
大小:45.8KB
2022-06-14 02:40:41上传
matlab超声波源码-ultrasonic-measurement-device:使用超声波传感器和单轴线性系统的测量设置 matlab超声波原始码超声波测量仪 使用超声波传感器和单轴线性系统的测量设置 介绍: 我们进行科学项目的目的是开发一种发射和接收超声波的测量装置。 接收到的数据应处理为一维超声图像。 此外,还要研究超声波发射器的控制对测量数据的影响。 因此,我们首先从超声波传感器的基本原理开始,然后在Arduino和串行监视器的帮助下实现了超声波传感器的基本应用。 我们在串行监视器中实时显示了距离。 根据问题陈述,我们现在需要开发一种可以映射传感器数据的测量设置。 为此,我们最终确定了线性导轨系统,以Arduino为从属系统,以MATLAB为主要控制器。 超声波传感器: 超声波传感器会定期发出短的高频声脉冲。 它们以声速在空气中传播。 如果它们撞击物体,则会将它们作为回波信号反射到传感器,传感器本身会根据发射信号和接收回波之间的时间间隔来计算到目标的距离。 由于到物体的距离是通过测量飞行时间而不是通过声音的强度来确定的,因此超声波传感器在抑制背景干扰方面非常出色。 几乎所有反射声音的材料都可以被检测到,而不论它们的颜色如何。 对于超声波传感器来说,即使透明的材料或薄的箔片也没有问题。 超声波传感器可
开发工具:
大小:7.5MB
2022-06-13 23:53:49上传
circle-ci-android-sample:用于 CircleCI 集成的示例 Android 项目 circle-ci-android-sample
开发工具:
大小:86.1KB
2022-06-13 18:42:03上传
前端开源库-made-view-parser 前端开源库-made-view-parser生成视图分析器
开发工具:
大小:18KB
2022-06-13 06:25:52上传
用卷积滤波器matlab代码-CNNFromScratch:Matlab中的卷积神经网络 用卷积滤波器matlab代码有线电视新闻网 在Matlab中从头开始进行卷积神经网络 为了了解卷积神经网络的工作原理,我们在Matlab中从头开始构建了卷积神经网络,使用准系统矩阵操作实现了这一愿景。 建筑学 我们正在使用MNIST数据集(机器学习的Hello World数据集)来评估我们的CNN。 我们的CNN包括: 卷积层(32个滤镜)-Relu 卷积层(64个滤镜)-Relu 最大池化层 完全连接的层(128个节点)-Relu 完全连接的层(10个节点)-Softmax(稳定版) 使用的损失函数是分类交叉熵。 我们正在使用具有固定学习率和梯度限幅的随机梯度下降算法来训练神经网络。 在小样本上,它提供了令人鼓舞的结果,但是由于我们需要花费很长的时间来训练CNN,因此由于我们正在评估它的性能和准确性,因此目前尚无法评论CNN​​的有效性,这在很大程度上要归功于代码在某些地方没有进行矢量化处理,因为我们只有CPU可供使用。 在完整的训练集上训练了卷积神经网络后,我们能够在测试集上达到97.58%的准确性。 参考: 为了得出方程式并根据需要对它们进行调整,我们使用了以下参考文献。 (用于
开发工具:
大小:17.9MB
2022-06-13 04:11:10上传
  • 1
  • 2
  • 3
  • 4
  • 5
  • 31
前往
页