图形学各种曲线--Bezier曲线，B-样条曲线，Hermit曲线

为期三天的2018世界人工智能大会在沪落幕，中国信通院在大会上发布了2018年世界人工智能产业发展蓝皮书，借助本次大会举办的契机，打开中国人工智能领域与世界对话的窗口，对全球人工智能的产业发展情况及技术路线趋势进行全面深度分析。希望本书对人工智能领域的从业者、研究者，以及感兴趣的读者们，带来有益的思考与借鉴，发挥必要的启示作用。以飨各位技术大牛

一般来说，采用RS485最简单。你要有上位机软件，也就是电脑上要装一个抄表程序，还有通讯线连接到电表通讯线输出上，还有就是电表了，有了这几个，最主要的是每个部分的通讯协议要一样的，还有就是每个部分连接的参数要相互统一。

东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验东北大学数值分析试验

用cocos creator 2.0.8制作的登山赛游戏源码，可以发布到微信小游戏平台。

总共有9个光学实验用Matlab进行仿真，如有雷同，纯属巧合。希望大家喜欢Matlab或者光学的，可以好好看看这个资源。实验的题目分别为：单缝衍射，光栅衍射，矩孔衍射，朗伯余弦体，迈克尔逊干涉，牛顿环，杨氏双缝干涉，圆孔衍射，正选光栅。

主要介绍了CGE模型的概念，应用范围和具体操作算法与模拟退火算法，神经网络算法的比较

包含cv水平集的matlab源程序，改进算法以及应用代码

Xrumer 论坛群顶软件，全自动傻瓜式，内置百万资源

个人学习笔记，稍稍整理下阵列波東形成技术模型最大信噪比最小方差无失真响应滤波器线性约束最小方差广义旁瓣相消基于阵列定位和跟踪技术互相关方法3.3.2广义互相关(基于特征向量的方法最小熵法白适应特征向量分解法自适应盲信号分离(,空域线性预测法语音信号预加重算法第五章模型高斯混合模型隐马尔可夫模型频率分析()深度神经网络第章信号处理语音信号特点在一段时间内),人的声带和声道形状是相对稳定的,可认为其特征是不变的。语音可以分为周期性的浊音和非周期的清音。浊音和清音绎常在一个音节中同时出现。浊音部分和音质关系密切,在时域上呈现岀明显的周期性,在频域上有共振峰结构,而且大部分能量集中在较低频段内,是语音中人幅度高能量的部分;清音则具有明显的时域和频域特征,类似于白噪声,能量较小,在强噪声中容易被掩盖,但在较髙信噪比时能提供较多的信息。在语音增强中,可以利用浊音的周期性特征,采用梳状滤波器提取语音分量或者抑制非语音信号,而清音则难以与宽带噪声区分,加性噪声大致上有:周期性噪声、脉冲噪声、宽带噪声和同声道的其亡语音干扰等。周期性噪声主要来源于发动机等周期性运转的机械,电气干扰,特别是电源交流声也会引起周期性噪声,其特点是有许多离散的窄谱峰。脉冲噪声来源于爆炸、撞击和放电等,表现为时域波形中突然出现的窄脉冲。宽带噪声的来源很多,包括热噪声、气流(风、呼吸)噪声及各种随杋噪声源,量化噪声也可视为宽带噪声。平稳的宽带噪声,通常也可以λ为宽带噪声。平稳的宽带噪声,通常也可以视为高斯白噪声。语音增强算法大致分为四种:参数法、非参数法、统讣法和其它方法。信号响应的意义对于任何一个信号均可以使用冲击函数来表示,即:∑()6(数字信号处理的意义就是通过运算来达到处理的目的,设这种运算关系为:]则输出信号()和输入信号()之间的关系指述为=[()。卷积推导设系统输入()=6()系统的输出()的初始状态为零,这时系统输出用()表示为则称()为系统的单位脉冲响应。则对任意输入信号(),系统输出为:()6(根据叠加原理可得:()∑()(-)∑()[6(-)利用系统时不变性,可得下式6(-)=(-),因此可得:()∑()o(-)=()*()上述就是卷积公式的推导。时域离散系统的输入输出描述法描述一个系统可以不管系统内部的结构如何,将系统看成一个黑盒子,只描述系统的输岀和输入之间的关系,这种描述法被成为输入输岀描述法。在模拟系统中使微分方程描述系统的输入和输出之间的关系,在时域离散系统中使用差分方程描述系统的输入和输岀关系点评:微分方程重在描述变化的趋势,差分方程的过程可以套用卷积的方法。时域离散信号傅里叶变换(TFT, Discrete- Time Fourier Transform)定义上述ω的单位是弧度,范围是x。其傅里叶反变换由如下公式得到:()周期信号由傅里叶级数表示傅里叶变换的一些性质时域卷积,频域相乘;时域相乘,频域卷积∑|()巴塞伐尔定理信号的功率也可以在频域求离散傅里叶变换(将有限长时域离散信号变换到频域的变换,但变换的结果是对时域离散信号的频谱的等问隔采样定义设序列()的长度为,定义()的点为()=[()=∑(式中,成为离散傅里叶变换区间长度,要求中即可得为书写简单,令则可以简写为:()=[()=∑()≤≤其反变换如下()=[()=-∑()和之间的关系:的主要性质)线性性质)隐含周期性)循环移位性质)有限长序列的循环移位设序列()的长度为,对()以≥为周期进行周期延拓,得到:()=()定义()的循环移位序列为()=^(+)()=(+)()上式表示将序列()以为周期进行周期延拓,再左移个单位取主值序列,就得到()的循环移位序列()。则有如下结论:设序列()的长度为,其循环移位序列为()=()())=[()()=[()短时傅里叶变换(,针对平稳信号的变换,语音信号在长时间跨度上不平稳,但其每个时间段内可看成是平稳的。定义°,()是输入信号,()是分析窗口(-)是纤过时域翻转并右移个采样点。类似于,离散定义如下)2()=∑()(其含义是在时域用窗函数截取信号,对截取部分的信号进行傅里叶变换,即在时刻得到时刻该段信号的傅里叶变换,不断移动,即可得到不同的傅甲叶变换,将这些傅里叶变换组合起来即得(o)计算在计算()和滤波器()卷积效率较高。的基木思想是将()分段,将分段后的每段与()卷积()=是任意的分段长度()=∑(-)()=∑(-)()=∑)*()=∑数字滤波器的最大优点是可以实现线性相位滤波。线性相位设的单位脉冲响应()的长度为,则其频响函数为()=∑()将(“)表示成如下形式e(a)式中,(a)是O的实函数,如果满足0(o)a则相位满足线性关系线性相位对时域和频域的约束)=∑O0展开可得:∑()(0-(o)=(a)((o)-(o)系数偶对称。窗函数设计其设计思想是使用逼近希望的滤波特性。基本方法)构造希望逼近的频响函数(“)

动态贝叶斯网络推理学习理论及应用；动态系统；可靠性评估；故障诊断；贝叶斯网络建模；DBN0212/642007动态贝叶斯网络推理学习理论及应用肖秦琨高嵩高晓光著所·萑宫散社北京图书在版编目(CP数据动态贝叶斯网络推理学习理论及应用/肖秦琨,高嵩,高晓光著.一北京:国防工业出版社,2007.10ISBN9787-11805323-4I.动.Ⅱ.①肖.②高.③高..Ⅲ.贝叶斯推断一研究Ⅳ.0212中国版本图书馆CIP数据核字(2007)第122784号※阍所·宫版社出版发行(北京市海淀区紫竹院南路23号邮政编码100044)京南印刷厂印刷新华书店经售开本850×1168132印张9字数233千字2007年10月第1版第1次印刷印數1-3000册定价20.00元(本书如有印装错误,我社负责调换国防书店:(010)68428422发行邮购:(010)68414474发行传真:(010)68411535发行业务:(010)68472764前言不确定性理论在人工智能、机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具——动态贝叶斯网络为线索,进行了动态网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制入手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专著基金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了如何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪算法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性,针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DEN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAV路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DBN推理学习理论进行融合,并用于实际模型。附录给出了与DBN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络…1.3动态贝叶斯网络应用研究1.3.1动态时序数据分析与挖掘157781.3.2无人机的态势感知与路径规划1.3.3.进化算法与动态贝叶斯网络混合优化………10第2章静态贝叶斯网络2.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题…2.3.3已知结构的参数确定问题……182.3.4在给定结构上的概率计算…………192.3.5贝叶斯网络推理算法…19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述·28Ⅵ3.1.2推导293.1.3动态贝叶斯网络表达………………313.2动态贝叶斯网络的研究内容353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…39第4章动态贝叶斯网络推理…464.1隐变量离散动态网络推理……464.1.1模型数学描述464.1.2隐马尔科夫的研究内容484.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…564.1.5一般离散动态网络和隐马尔科夫关系………………584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…………614.2.2离散动态网络推理算法比较仿真…634.2.3连续动态网络推理比较仿真724.3模糊推理与隐马尔科夫结合炮火校射754.3.1概述………………………754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理794.4.1模型数学描述…………794.4.2卡尔曼滤波图模型推理………804.5混合隐状态动态贝叶斯网络…………834.5.1模型数学描述…834.5.2混合动态贝叶斯网络推理…864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法…………………915.1动态贝叶斯网络结构度量体制………915.1.1概述915.1.2动态网络的贝叶斯信息度量………935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析985.3构建动态网络结构寻优算法1145.3.1基于概率模型的进化算法1155.3.2基于贝叶斯优化构造动态网络结构算法1165.3.3学习动态贝叶斯网络…1185.3.4动态臾叶斯网络推理…1275.4基于贝叶斯优化构建动态网络结构算法仿真………128第6章动态贝叶斯网络结构学习模型…1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计………1446.2.1模糊自适应双尺度…1446.2.2动态系统非平稳程度和平稳性的测量……1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划……1657.1无人机平面静态路径规划·…1657.1.1基本概念……1657.1.2基于相同威胁体的路径规划…166Ⅷ