用四元数法的捷联惯性导航姿态解算程序

简化了的黄金乱工。解压打开goldwoker.dsw，编译运行后按回车即可开始游戏。非常简单的小游戏，代码适合初学者学习使用,采用了双缓冲解决闪屏问题。

很容易理解的PM模型代码，输入原始图像，多次迭代PM算法得到平滑后的图像。非线性扩散方法在图像处理方面的应用越来越广泛，因其对于图像边缘的增强和保护作用十分明显，所以对该种方法的深入研究是十分有必要的。

在线音乐网站源代码，无BIN文件，代码完整，使用SQL 2000数据库，内附完整安装使用说明。

【实例简介】由于网上关于热敏打印机部分的驱动源码很少，基本上只有重试这部分驱动开发的人员才有该源码，因此我整理我做过的打印机驱动分享出来，该驱动只针对打印机驱动层部分，对底层定时器，IO驱动，延时部分的驱动，相信你一定能够自行实现。如有疑问请留言。 附件为热敏打印机驱动，该驱动使用双定时器，一个定时器给步进电机使用另一个定时器给热敏机芯加热使用，该驱动可移植到任何平台打印机，前提是你必须自己实现定时器接口函数，io管教函数，mdelay()，udelay()，spi 函数等函数，该驱动打印接口函数为 prn_string(),和prn_image()函数，其中prn_image()打印图片默认扫描方式为横向扫描, prn_string()函数默认字库的扫描方式为纵向扫描方式， 源码中有纵向扫描方式转换为横向扫描算法。请仔细研究... 另外为了更加便于理解该驱动，我在附件中加入打印机部分原理图，和打印机datasheet。

基于MovieLens数据集，采用随机梯度下降算法优化最小化能量函数的概率矩阵分解Python源代码，自己做实验的源代码Probabilistic Matrix Factorization

活动年会微信大屏幕互动源码，测试可用，购买空间上传安装即可使用

09年全国大学生电子设计大赛优秀作品选集。详细介绍了09年全国电赛优秀的作品。是不可多得的宝贵资料在实际制作中,我们选用CD1046锁相环芯片,功牽WS管IRF510等性价比较高的器件,采用基于MsP43OF169单片机的经典控制算法,较为出色地完成了各项指标要求理论分析与参数计算频率跟踪电路设计:Uret鉴相器环路滤波压控振荡器PLL OUTPDLFVCO256分频图2锁相环电路框图利用相环C冂4046可以实现输入信号的倍频和同步,输入频率45-5H,经256倍频后为11.52KHz-14.08KHz信号,送给单片机作为系统同步的时钟。单片机用DDS原理产生幅度可调的正昡信号,此时钟作为D/A输出的时钟,即可追踪输入信号的相位和频率。此正弦信号送给本设计中自闭环的DC-AC逆变器作为输入,输出电压就可以与参考输亼Uref冋频冋相。为俫证快速锁定,需要调整R1、R2、C1的值使锁相环中心频率稳定在5OHz。2.MPPT最大功率点跟踪的实现本设计采用WP130F169单片机,它有两路D/A、8路AD,可以轻松地实现连续的电压电流采集。单片机由此数据计算出实时功率后根据MT算法自动调整,当时通过增加系统的输入阻抗增加实际待到的输入电压U以提高功率,反之则降低U,最终达到的最大功率点跟踪。3.提高效率方法开关电源电路改计中的主要损耗包括:场效应管的导通电阻损耗和开关损耗:滤波电路屮电感和电容的损耗。综合考虑成本和性能,本电路选用了IRF540,其导通电阻仅为77亳欢,输入结电容为1700F。在带载额定电流1A时,全桥的静态功耗。由于滤波电感和电容工作在高频卜,起储能释能作用因此电感要尽减小内阻,并保留1mm磁防止饱和,电容则要选取等效串联电阻ESR较小的高频低阻类型,以减小在电容上产生的功率损耗。本作品中所用的电感线圈为多股漆包线并绕以减小高频下导线集肤敚应带来的损耗,并使用铁氧体材料的伭芯以减小其磁滞损耗。电窣则选用聚丙烯电窣,它具有较好的高频特性、稳定性和较小的损耗。4.滤波参数设计:滤波电感使用直径36m磁罐,加1mm磁隙,用0.4mm漆包线5股并绕20匝,实测电感为200u左右;为减小通带衰减,取截止频率为5kHz,百百倍于基频,得C=4.7uF为进一步减小止弦波谐波分量,又用60u铁粉环电感与0.68uF电容进行了二次滤波,最终效果比较理想。二、电路与程序设计DCAC电路LL"虚短"比铰器SPWM/浮栅驱动器0恰半滤波参考正弦波功率正弦波补偿网络图5自振荡逆变器框图AC逆变器由自振荡原理的D类功率放大器构成,利用负反馈的高频自激,产生幅度较弱的髙频振涝叠加在工频信号上,经过比较器产生髙频SF硎开关信号通过浮栅驱动器驱动MOS管半桥。R54.7K+|+H1CTAOVCC HO12 HO1QIN VSll VS1C4I(ul IOJuh正弦入45-51z10uFVSS COM A67 LOIQ233K图6DC-AC逆变器电路图由于负反馈在工频上是稳定的,因此输出的信号的放大倍数由R2与R4的分压比决定,而自振荡〔产生的SPw)频率可通过微调补偿网络屮的电阻、电容值来调整,实际中综合考虑损耗和滤波电路的设计,选定频率约为28KHz左右,保证输出电压在功率电源HDC范围内,比例放人系数选为12。这神逆变器自身闭环,整个电路只使用个比较器,可以根据负载的变化自动调整SPW的占空比,使输入输出电压始终成比例关系在木设计中,使用两个上述的自振荡逆变器构成平衡桥式( Balanced transformer loss)DC-^C变换器,以LM393作逆变的比较器,配合自带死区的IR21094浮栅驱动器驱动IRF540功率№os管,获得了较高的效率和极低的失真度2.过流保护及自恢复电路[104UTBR23R22K510RN5819[7A334R24LM358R387.5K91k

稀疏自编码深度学习的Matlab实现，sparse Auto coding，Matlab codetrain, m/7% CS294A/CS294W Programming Assignment Starter CodeInstructions%%%This file contains code that helps you get started ontheprogramming assignment. You will need to complete thecode in sampleIMAgEsml sparseAutoencoder Cost m and computeNumericalGradientml For the purpose of completing the assignment, you domot need tochange the code in this filecurer:YiBinYUyuyibintony@163.com,WuYiUniversityning, MATLAB Code for Sparse Autoencodtrain.m∥%%========%6% STEP 0: Here we provide the relevant parameters valuesthat willl allow your sparse autoencoder to get good filters; youdo not need to9 change the parameters belowvisibleSize =8*8; number of input unitshiddensize 25number of hidden unitssparsity Param =0.01; desired average activation ofthe hidden units7 (This was denoted by the greek alpharho, which looks like a lower-case pcurer:YiBinYUyuyibintony@163.com,WuYiUniversityning, MATLAB Code for Sparse Autoencod4/57train.,m∥in the lecture notes)1 ambda=0.0001%o weight decay parameterbeta 3%o weight of sparsity penalty term%%==:79 STEP 1: Implement sampleIMAGESAfter implementing sampleIMAGES, the display_networkcommand shouldfo display a random sample of 200 patches from the datasetpatches sampleIMAgES;display_network(patches(:, randi(size(patches, 2), 204, 1)), 8)%为产生一个204维的列向量,每一维的值为0~10000curer:YiBinYUyuyibintony@163.com,WuYiUniversityning, MATLAB Code for Sparse Autoencod5/57train.m/v%中的随机数,说明是随机取204个 patch来显示%o Obtain random parameters thetatheta= initializeParameters ( hiddenSize, visibleSize)%%=============三三三三====================================97 STEP 2: Implement sparseAutoencoder CostYou can implement all of the components (squared errorcost, weight decay termsparsity penalty) in the cost function at once, butit may be easier to do%o it step-by-step and run gradient checking (see STEP3 after each stepWecurer:YiBinYUyuyibintony@163.com,WuYiUniversityning, MATLAB Code for Sparse Autoencod6/57train. m vb suggest implementing the sparseAutoencoder Cost functionusing the following steps(a) Implement forward propagation in your neural networland implement the%squared error term of the cost function. Implementbackpropagation tocompute the derivatives. Then (using lambda=beta=(run gradient Checking%to verify that the calculations corresponding tothe squared error costterm are correctcurer:YiBinYUyuyibintony@163.com,WuYiUniversityning, MATLAB Code for Sparse Autoencod7/57train. m vl(b) Add in the weight decay term (in both the cost funcand the derivativecalculations), then re-run Gradient Checking toverify correctnessl (c) Add in the sparsity penalty term, then re-run gradiChecking toverify correctnessFeel free to change the training settings when debuggingyour%o code. (For example, reducing the training set sizecurer:YiBinYUyuyibintony@163.com,WuYiUniversityning, MATLAB Code for Sparse Autoencod8/57train m vl/number of hidden units may make your code run fasterand setting betaand/or lambda to zero may be helpful for debuggingHowever, in yourfinal submission of the visualized weights, please useparameters web gave in Step 0 abovecoS七grad]sparseAutoencoderCost(theta, visibleSize,hiddensize, lambda,sparsityParam, beta,patches)二〓二二二二二二二〓二〓二〓二〓=二====〓=curer:YiBinYUyuyibintony@163.com,WuYiUniversityning, MATLAB Code for Sparse Autoencod9/57train.m vlll96% STeP 3: Gradient CheckingHint: If you are debugging your code, performing gradienchecking on smaller modelsand smaller training sets (e. g, using only 10 trainingexamples and 1-2 hiddenunits) may speed things upl First, lets make sure your numerical gradient computationis correct for a%o simple function. After you have implemented computeNumerun the followingcheckNumericalGradientocurer:YiBinYUyuyibintony@163.com,WuYiUniversityDeep Learning, MATLAB Code for Sparse Autoencode10/57

基于Labview的智能小车控制平台,里面有较全的程序代码

大话数据结构：使用诙谐幽默的方式来学习数据结构，让初学者更加深入的了解数据结构和算法，该资源包含部分课后习题源码。