NFC读取工具类加界面demo

自己开发的一个HSV和RGB转化的小工具，使用的时VC++ 2005，时间仓促做的不太漂亮，但是好用。有源码，需重新编译。

通过实例对人工神经网络的实际应用进行分析和讲解，清晰的代码一目了然每神经元有许多输入、输出键,各神经元之间以连接键(又称突触)相连,它决定神经元之间的连接强度(突触强度)和性质(兴奋或抑制),即决定神经元间相互作用的强弱和正负,共有三种类型:兴奋型连接、抑制型连接、无连接。这样,个神经元(一般很大)构成一个相互影响的复杂网终系统,通过调整网络参数,可使人工神经网络具有所需要的特定功能,即学习、训练或自组织过程。一个简单的人工神经网络结构图如下所示:上图中,左侧为输入层(输入层的神经元个数由输入的维度决定),右侧为输出层(输出层的神经元个数由输出的维度决定),输入层与输出层之间即为隐层。输入层节点上的神经元接收外部环境的输入模式,并由它传递给相连隐层上的各个神经元。隐层是神经元网络的内部处理层,这些神经元在网络内部构成中间层,不直接与外部输入、输出打交道。人工经网络所具有的模式变换能力主要体现在隐层的神经元上。输出层用于产生神经网络的输出模式。多层神经网络结构中有代表性的有前向网络(BP网络)模型Page 3 of 25多层侧抑制神经网络模型和带有反馈的多层神经网络模型等。本文主要探讨前向网络模型多层前向神经网络不具有侧扣制和反馈的连接方式,即不其有本层之间或指向前一层的连接弧,只有指向下一层的连接弧。代表是BP神经网终:输入模式由输入层进入网终,经中间各隐层的顺序变换,最后由输出层产生一个输出模式,如下图所示:输入层隐层输出层多层前向神经网终由隐层神经元的非线性处理衍生它的能力,这个任务的关键在于将神经元的加权输入非线性转换成一个输出的非线性激励函数。下图给出了一个接收个输入的神经元:Page 4 of 25神经元的输出由下式给出:这里输入的加权和(括号内部分)由一个非线性函数传递,表示与偏差输入相关的权值,表示与第个输入相关的权值。使用最广泛的函数是S形函数,其曲线家族包括对数函数和双曲正切函数,这些都可用来对人口动态系统、经济学系统等建模。另外所用的其他函数有高斯函数、正弦函数、反正切函数,在此不一一展开介绍,本文主要使用的激励函数是对数函数,函数表达式为函数曲线如下图所示对于有限输入量,对数函数输出范围为∈。在输入为=时,输出值为中问值输出在—附近随着输入的增加以相对快的Page 5 of 25速率增加并非常慢地到达上限。对于

esn作者在官网的简单版代码，给英文不好的同学拿过来，免得再去找地方下载

Xilinx-Zynq Altium 封装库 原理图 PCB 赛灵思Zynq XC7Z全系列芯片AD封装库 含原理图和PCB

DRIVE数据集，用于视网膜图像分割，里面一半是训练集，一半是测试集。

社区卫生信息管理系统的设计与实现针对我国现有的社区卫生工作起步比较晚和人员技术水平比较低，以及办公条件较差等问题，本文选择基于J2EE的社区卫生管理系统的设计与实现为研究课题，分析和研究了社区卫生信息管理工作的实际需求，设计并实现了社区卫生信息管理系统。本文整合SSH (Struts + Hibernate)架构技术、采用MVC设计模式、使用MySQL作为后台数据库、以J2EE为开发平台设计并实现了本系统。采用SSH架构和MVC模式，使系统具有更好的安全性和可扩展性。使用MySQL作为后台数据库，以保证存放大量的数据。该系统主要实现了登陆/注册、家庭健康档案管理、健康教育宣传与公告、医生

在MFC下，采用ADO技术访问access数据库，做的一个很小的学生成绩管理系统。个人觉得对于初学数据库的人来说，是一个很不错的资源。编译时保证头文件stdafx.h中“#import "C:Program FilesCommon FilesSystemadomsado15.dll" no_namespace rename("EOF","adoEOF")”路径正确。本工程具有VC6.0和VS2008两个版本。

1.matlab代码，在matpower环境下进行潮流计算，用略微修改的ieee30节点，程序在main.m中2.仅考虑了负荷的波动如有原理性的错误望指出

pcrat3.7 2011 build0426 by beckham and net_abc

在移动机器人导航方面，卡尔曼滤波是最常用的状态估计方法。直观上来讲，卡尔曼滤波器在这里起了数据融合的作用，只需要输入当前的测量值（多个传感器数据）和上一个周期的估计值就能估计当前的状态，这个估计出来的当前状态综合考量了传感器数据（即所谓的观察值、测量值）和上一状态的数据，为当前最优估计，可以认为这个估计出来的值是最可靠的值。由于我们在SLAM中主要用它做位置估计，所以前面所谓的估计值就是估计位置坐标了，而输入的传感器数据包括码盘推算的位置、陀螺仪的角速度等（当然可以有多个陀螺仪和码盘），最后输出的最优估计用来作为机器人的当前位置被导航算法以外的其他程序所调用。