Access (2)

用8266取网络时间，用VFD显示，没有加ds3231(8 VFD clock , no ds3231)

GSM半数率源代码(VSELP) GSM半数率源代码(VSELP) -GSM half rate of the source code (VSELP) GSM half rate of the source code (VSELP)

应用背景Infineon公司开发的XMC4000系列标准库。你可以使用这个库•编程。关键技术这是英飞凌XMC4000系列微控制器的标准库。这个库用C++语言写的。

六相全桥逆变器的触发程序，需要用CCS打开。(The trigger program of six-phase full-bridge inverter needs to be opened by CCS.)

电路四倍频算法，具有去毛刺，整形功能，方向及计数(Circuit quadruple frequency algorithm, with deburring, shaping function)

说明：  使用卷积神经网络进行高光谱遥感数据分类，使用的数据源为Pavia University高光谱数据 文件夹log--日志文件夹，存放TensorBorad日志、网络参数文件、混淆矩阵图 文件夹Patch--存放数据处理的切片结果 文件夹PaviaU--高光谱数据下载存放位置 文件夹predicted--CNN对原始影像的分类结果 data.py--对原始高光谱影像进行数据处理，生成切片 net.py--神经网络模型 train.py--训练神经网络 utils.py--需要用到的函数 show.py--使用训练好的神经网络模型对原始数据进行分类(Using convolution neural network to classify hyperspectral remote sensing data, the data source is Pavia University hyperspectral data. Folder log -- Log folder, store TensorBorad logs, network parameter files, obfuscation matrix diagrams Folder Patch -- Stores slice results of data processing Folder PaviaU -- Place for Hyperspectral Data Download and Storage Folder predicted -- CNN classification results of original images Data.py -- Data processing of original hyperspectral images to generate slices Net.py--Neural Network Model Train.py--Training Neural Network Utils. py -- Functions to be used Show.py -- Classification of raw data using trained neural network model)

一种新颖的拓扑结构，四开关BUCK-BOOST变换器，能够实现双向的BUCK功能，BOOST功能，而且能视情况自动切换BUCK和BOOST(A novel topology, four switch buck-boost converter, can achieve two-way BUCK function, BOOST function, and can automatically switch BUCK and BOOST as the case)

游戏修改工具源代码 GamePaladin II 源码使用说明 *游戏修改工具(内存高低阶，文件存档高低阶,图象捕捉,游戏记录,收藏夹 *本程序代码遵循源码开放标准"GNU通用公共许可",查看本文件即表示你同意该协议 *用Delphi7开发 *只用到了一个控件hexeditor.pas在SourceVcl下,编译前请安装 -Game modification tools for source code source code for use GamePaladin II* game modification tools (high-low-memory, file archiving of high-level, image capture, game records, favorites* this source code to follow open standards

自然激励下建筑结构的模态参数识别，首先通过自然激励技术（next）得到结构的自由响应，然后由自回归滑动平均（arma）方法识别模态参数。-natural incentive structures under the modal parameter identification, First through natural incentive Technology (next) to be free to respond to the structure, then autoregressive moving average (arma) identified modal parameters.

里面为微机原理老师的全部课件，好不容易搞过来的。(Inside the principle teacher for all computer software, from engaging in the hard-won.)