three.js加载坦克3D模型源码实例

这份代码本来是网上找的，但是是在很老的Qt版本下的，在qt5平台下运行失败。我已经移植好了，可以直接运行。

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

5份基于MATLAB的关于扩频+BPSK/QPSK仿真代码，需要下载

本设计是利用 VHDL 硬件描述语言设计 CRC 发生器和校验器 。12 位信息加 5 位 CRC 校验码发送 、 接收 ,由两个模块组成 ,CRC 校验生成模块 ( 发送) 和 CRC校验检错模块 ( 接收) ,采用输入,输出都为并行的 CRC校验 生 成 方 式 。产 生 此 CRC 码 可 利 用 Peterson 和Brown 提出的移位寄存器电路实现 。初始时置各寄存器为 0 ,信息位串从高位起逐位输入电路 ,每送入一位就进行一次异或操作和循环移位 ,由于信息位串为 12 位 ,所以经过 12 次操作后 ,4 个寄存器中的值就是冗余位 。

MUSIC 算法，ESPRIT 算法，root-MUSIC算法，面阵中二维角度估计 Unitary -ESPRIT算法，空间平滑MUSIC算法，角度和时延联合估计（JADE）算法，谱峰搜索传播算子DOA估计算法，基于增广矩阵束的L型阵列的二维DOA估计， 均匀圆阵下基于UCA-ESPRIT的二维DOA估计，LCMV波束形成算法，LMS自适应波束形成MATLAB程序，阵列信号处理中DOA估计

不仅包含Sheffield--Matlab遗传算法工具箱.rar ，还包含该工具箱的安装方法

利用PSCAD搭建的微燃机模型，采用PQ控制，能正行运行

【实例简介】电动车单片机充电器,带LED显示,脉冲充电.大厂在做的

【实例简介】SR12压路机液压系统 建模与仿真研究报告 目录 1 SR12压路机液压系统概述 4 1.1 SR12压路机液压系统的分类 4 1.2 SR12压路机振动液压系统 6 1.2.1压路机振动对液压系统的要求 6 1.2.2 阀控开式液压系统 6 1.3  SR12压路机转向液压系统 8 1.4  SR12压路机行走液压系统 8 2 AMEsim软件介绍 10 2.1 AMEsim是什么 10 2.2 AMEsim的特点 12 2.3 AMEsim的应用 14 3 SR12压路机振动液压系统动力元件模型的建立 15 3.1发动机 15 3.2液压泵 15 4 SR12压路机液压系统执行元件模型的建立 16 4.1液压马达 16 4.2液压缸 16 5 SR12压路机液压系统控制元件模型的建立 17 5.1方向控制阀 17 5.1.1换向主阀 17 5.1.2换向先导阀 18 5.1.3 电液换向阀 19 5.1.4 热交换阀 20 5.1.5单向阀 20 5.2压力控制阀 21 5.2.1溢流阀 21 5.2.2缓冲补油阀 21 5.3流量控制阀 21 5.3.1节流阀 21 6 辅助元件 23 6.1 液压油箱 23 6.2 冷却器 23 6.3 过滤器 23 6.4管道 24 6.5 蓄能器 24 7工作介质 25 8信号源 28 9 振动液压系统元件模型的参数设置 29 10对振动液压系统的外载荷分析 34 11振动液压系统模型与运行结果分析 36 11.1振动液压系统模型 36 11.2模型的运行 36 11.3 对运行结果进行分析 37 11.4对系统的改进 44 11.4.1改进方案 44 11.4.2改进后系统的原理图及模型 44 11.4.3对改进后的模型进行分析 46 12对行走工况的分析 54 12.1行走液压系统模型 54 12.2行走液压系统模型的参数设定 54 12.3模型的运行 56 12.4结果分析 57 13行走振动工况分析 61 13.1系统模型 61 13.2模型参数设置 63 13.3对模型的分析 64 14分析结论 66

本程序是用C#语言写的一个动物识别专家系统，界面美观，操作简单。