高速目标距离走动校正 keystone 插值算法

附源程序的弹道仿真实验报告，用matlab的ODE45且基于比例导引法的比较全面的弹道积分，仅供交流参考

通过EXCEL数据导入抽奖奖项信息和抽奖员工数据。使用说明： 1.解压后打开“将此测试数据复制到设置中.txt"，复制 2.打开”抽奖.html"，如浏览器提示活动脚本请允许其运行 3.把鼠标移动到左下边会出现“设置”按钮，点击进入 4.把数据粘贴到”导入员工及奖项设置“下方输入框中，点击保存 5.保存后可看到可抽奖项出现在页面中，关闭退出后选奖项开始抽奖导入数据格式说明： 请参看文件”数据模板.xls",奖项中“*"列可设置内定中奖员工哦。联系我： 上百度搜索“鉴澄净水器”进入官方网站，滚动到页面底部，找到"QQ给我留言”，为

多尺度高斯模型的图像色彩增强Matlab代买，对于大雾天气下可以实现透雾。并且对于阴影下可以使得图像细节也变得清晰，效果挺不错，不过对于视频序列效率不足。

本书旨在系统地介绍遗传算法的理论、应用和发展，共包括9个章节的内容.首先，本书讲述了遗传算法的起源、历程和主要研究方向，介绍了遗传算法的基本原理。其次，讨论了遗传算法的一般收敛性理论，遗传算法的马尔可夫链模型和收敛性分析，遗传算法的随机泛函分析。还介绍了遗传算法的模式理论，特别是遗传算法的模式欺骗性理论，以及欺骗问题的实验分析；并详细讨论了微观遗传策略-遗传算子的分析与设计，以及微观遗传策略中的参数设置和适应性微观遗传策略的设计。讨论了宏观遗传策略-遗传算法结构分析与设计。接下来介绍了遗传算法

基于卷积神经网络的图像识别 基于卷积神经网络的图像识别关于学位论文独创声明和学术诚信承诺本人向河南大学提出硕士学位申请。本人郑重声明:所呈交的学位谂文是本人在导师的指导下独立完成的,对所研究的课题有新的见解。据我所知,除文中特别加以说明标注和致谢的地方外,论文中不包括其它人已经发表或撰写过的研究成果,也不包括其它人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意在此本人郑重承诺:所呈交的学位论文不存在舞弊作伪行为,文责自负。学位申请人(学位论文作者)签名:亚强2015年5月20日关于学位论文著作权使用授权书本人经河南大学审核批准授予硕士学位。作为学位论文的作者,本人完全了解并同意河南大学有关保留、使用学位论文的要求,即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文(纸质文本和电子文本)以供公众检索、查阅。本人授衩河南大学出于宣扬、展览学校学术发展和进行学术交流等目的,可以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文(纸质文本和电子文本)(涉及保密内容的学位论文在解密后适用本授权书)学位获得者(学位论文作者)签名:卫2015年5月20日学位论文指导教师签名:2015年5月20日摘要Deep learning是机器学习研究的新领域,掀起了机器学习的新浪潮,在各个行业都受到了广泛的关注。 Google brain项目、微软全自动同声传译系统、百度硏究院等都是 deep learning技术发展的见证。随着大数据和深度模型时代的来临,deeplearning技术也得到了广泛的重视和发展,它带来的技术进步也必将改变人们的生活随着机器学习领域的发展,最近几年对卷积神经网络的研究也越发深入。现在卷积神经网络已经广泛的应用到各种领域,并取得了巨大的成果。卷积神经网络是在人工神经网络的基础上发展起来的·种高效的识别算法。典型的积网络结构是由 Lecrn提出的 LeNe t-5,它包含多个阶段的卷积和抽样过程,然后将提取到的特征输入到全连接层进行分类结果的计算。卷积神经网络通过特征提取和特征映射过程,能够较好的学习到图像中的不变特征。现在研究人员在典型的 LeNet5的基础上,使用多种方法改善卷积网终的结构和性能,从而提高网终的通用性和对图像的识别效果。本文结合图像的特点,在深入硏究了卷积网络的理论和国内外研究成果的基础上主要做了以下工作:(1)研究了卷积网络的训练算法,通过对算法分析,调试并找到最优初始化参数和最适应的网络结构配置。(2)对于分类结果的计算,使用了多区域的测试方法,通过在测试的过程中对图像的多个区域进行计算能够提高图像识别的准确率。〔3)为系统设计了一个通用的数据集输入接口,可以将自己构建的图像薮据集输入到卷积神经网络的结构中,训练和查看图像分类的结果。(4)在卷积层使用了局部偏差垬亨和非共亨两种方法,在数据集上测试并进行结果分析。(5)在隐含层使用了网络泛化的方法 DROPOUT,在数据集上测试并进行结果分析。通过以上改进方法的使用,卷积网络的通用性和性能得到了提高。关键词:,图像识别,特征提取

大牛总结的Modelsim学习资料，像学好FPGA仿真的可以看看

本系统是一个基于单片机的数控直流电流源系统。采用单片机作为核心，辅以带反馈自稳定的串调恒压源，可以连续设定电流值。由D/A转换器TLC5615、ZLG7289、中文字库液晶显示块、放大电路和大功率调整电路组成。通过独立键盘输入给定值，由D/A转换器将数字信号转换成模拟信号，经D/A输出电压作为恒流源的参考电压，利用晶体管平坦的输出特性得到恒定的电流输出，最后用中文液晶显示输出。其中单片机选用美国TI公司的MSP430F2274作为控制核心，利用闭环控制原理，加上反馈电路，使整个电路构成一个闭环。软件方面主要利用PID算法来实现对输出电流的精确控制。系统可靠性高，体积小，操作简单方便，人机界面友

libcurl 64位编译 lib 库 包含Include文件夹和编译过的64位lib

【实例简介】2019.03.14 MATLAB公开教程的PPT，课程内容： 1. 简介 深度学习：直接从数据中进行学习 卷积神经网络：用于图像识别、目标检测、语义分割等任务 2. MATLAB的优势 支持与Tensorflow/Pytorch等开源框架协作 简单易学，高质量的帮助文档和大量示例 高效的开发平台，完整的工具链 实用的数据标注和可视化工具 强大的代码生成功能 支持多平台部署 3. 仅用11行代码实现图像分类 1行代码直接导入经典的Alexnet网络模型 通过摄像头实时采集图像数据，可识别1000种常见物体 4. 迁移学习的力量 基于已有的卷积神经网络进行微调，实现专属图像识别 丰富的预训练模型，包括SqueezeNet, ResNet-18, DenseNet-201, Inception-ResNet-v2等 5. 设计复杂网络的利器：Deep Network Designer 图形交互界面，便于设计和修改复杂的网络 支持一键分析，自动修正网络结构中的错误 6. MATLAB与Tensorflow/Pytorch等开源框架的协作 通过ONNX (Open Neural Network Exchange)共享深度学习模型 支持直接导入Keras和Caffe的模型

数字电压表 单片机 0-5V 精确度0.02V 课程设计全部资料 绝对是最终的版本 包括仿真文件 绝对好 物有所值