少儿编程:疯狂接苹果小游戏源码(scratch 3.0)

基于HOG特征提取的图像分类器，HOG的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。通过将整幅图像分割成小的连接区域称为cells，每个cell生成一个方向梯度直方图或者cell中pixel的边缘方向，这些直方图的组合可表示出所检测目标的目标）描述子。为改善准确率，局部直方图可以通过计算图像中一个较大区域称为block的光强作为measure被对比标准化，然后用这个measure归一化这个block中的所有cells.这个归一化过程完成了更好的照射/阴影不变性。

电磁环岛的.c和.h文件，外加详解文档，用两个电感检测环岛，测试方案很稳定，可以参考

用C++实现的压缩、解压缩算法，只有几个cpp、h文件，非常小巧，方便学习算法用。

博客在https://blog.csdn.net/u014695839/article/details/50611549，重新上传了一份串口上位机实例的代码

详细的fluent， udf 中文教程，全面，取自帮组文档，帮组你更好的了解udf的使用

用粒子群算法优化支持向量机的matlab程序，用于对股价、经济的预测作用，优化后预测精确

倒立摆稳定的PID控制 自营模糊补偿的倒立摆PD控制 模糊自适应控制

【实例简介】Turbulence Modeling for CFD_David C.Wilcox(2006_3rd_E).pdf 

此压缩包包含bvlc_reference_caffenet.caffemodel文件，是开发caffe的贾大牛团队，利用imagenet图片和caffenet模型训练好了一个caffemodel, 供大家下载。要进行图片的分类，这个caffemodel是最好不过的了。

【实例简介】LSTM-DNN进行库存预测 修正LSTM模型的股价预测 它能做什么？ 它可以给出一只股票收盘价的预测值。 它不能预测离现在太远，而它所能做的就是预测明天的价格。 我们需要做的是提供一只股票过去的数据。 评估 我用MAPE（平均绝对百分比误差）评估模型。 通过该模型训练的某些股票的最佳性能可使MAPE达到2％-3％，这意味着精度（1-MAPE）可以达到97％-98％。 训练自己的数据 U首先从互联网上下载股票的csv数据，然后在代码中修改csv路线（在最后一栏中输入收盘价）。 学习性能良好的CPU模型需要花费数小时。 有用吗？ 尽管预测第二天的收盘价表现良好，但无法预测接下来的2,3,4 ...天的价格。 因此这可能会有所帮助，可能没有帮助。 未来 我将把我的股票价格预测系统放在github上，它具有许多新功能，包括预处理数据，训练模型，预测价格，评估模型以及推荐高收益股票。 同时