Abaqus流固耦合培训资料.zip

基于FPGA的高速等效采样 通俗易懂 可以直接仿真，学习代码。

用法1、图像序列放入data文件夹中；2、图像序列名称和跟踪初始范围在initCt.m中修改；3、结果文件.data/fct-result.txt参考论文：K. Zhang, L. Zhang, and M. Yang, “Fast Compressive Tracking”

区域生长的图像分割，是图像处理中用来实现图形分割的一种方法，算法简单，实用。

C# GIS算法演示：道格拉斯压缩、线性四叉树、投影变换等

支持arcgis的边框样式，可以协助制作更加精美的地图，如需展示的专题图，提供多种花边图框样式

qt加载qss，界面优化，包含代码和所需图片资源，黑色炫酷和白色靓丽两种

TMS320C6678开发板历程,内含CCS5.3软件使用入门广州创龙电子刑技有限公司Guangzhou Tron ong Electronic Technology co, LtdTron添加基于的软件中断(有条件触发)例程添加基于的软件中断(有条件触发)例程。添加基于的软件中断(无条件触发)例程基于裸机的输出(灯)例程。基于裸机的输入(按键中断)例程基于裸机的串口査询收发例程添加基于平台库的总线测试例程。添加基于平台库的风扇控制例程。添加基于平台库的按键状态查询例程。添加基于平台库的灯控制例程。添加基于平台库的总线读写例程。添加基于平台库的总线温度传感器例程添加基于平台库的内存读写例程。添加基于平台库的总线测试例程。添加基于平台库的串口查询收发例程。添加不使用操作系统工程模板。添加基于操作系统(是依赖的平台组件)工程模板。广州创龙电子刑技有限公司Guangzhou Tron ong Electronic Technology co, LtdTron目广州创龙电子刑技有限公司Guangzhou Tron ong Electronic Technology co, LtdTron目录基于仿真器的程序加载与烧写查看仿真器是否安装成功设置工程配置文件信息加载文件连接开发板加载程序镜像文件烧写程序到工程新建、编译和导入裸机工程新建新建工程编写程序编详和运行程序工程新建新建平台新建工程工程导入和编译步骤开启多线程编译算法例程演示-有限长单位冲激响应滤波器无限脉冲响应数字滤波器—快速傅甲叶变换逆变换图像离散余弦变换图像转灰度边缘检测灰度图像直方图灰度图像二值化图像旋转广州创龙电子刑技有限公司Guangzhou Tron ong Electronic Technology co, LtdTron图像缩放图像反色直方图均衡化灰度图像线性变换一数学函数库一矩阵运算基于的例程演示时钟任务抢占式多任务一静态创建任务定时器(通用)定时器(专用)定时器(动态创建)硬件中断(设备专用组件)硬件中断(挂钩函数)硬件中断(中断嵌套)硬件中断()硬件中卷(发布软件中断)硬件中断(铀发任务)内存分配软件中断(静态配置)一软件中断()一软件中断(有条件触发软件中断(有条件触发钦件中断(无条件触发)裸机开发例程演示输出(灯)广州创龙电子刑技有限公司Guangzhou Tron ong Electronic Technology co, LtdTron输入(按键中断)串口查询收发基于平台库例程演示总线测试一风扇控制按键状态耷询灯控制总线读写6.6总线温度传感器测试内存读写测试总线测试6.9串口查询收发工程模板7.1不使用操作系统使用 SYSBIO0S操作系统附录广州创龙电子刑技有限公司Guangzhou Tron ong Electronic Technology co, LtdTron备注●如实验无特别说明,默认都是使用作为调试串口●如实验无特别说明,表示广州创龙系列(包含)开发板均攴持对应实验,厂州创龙系列开发板共用此用户手册,由于各个开发板之问的硬件资源在差异,因此有部分实验需要在特定的开发板上完成。基于仿真器的程序加载与烧写11查看仿真器是否安装成功如下的廾发,均以仿真器为例。开发板断电,连接好仿真器和开发板,并将仿真器的口捕进电脑插槽,开发板上电。冇击计算机图标,点击“设备通用串行总线控制器”或者“设备端口”,查看是否有对应的仿真器的选项出现,如有说明仿真器驱动已经正常安装,否则请先正确安装设备管理器文件(操作(A)查看帮(H伞中回国|区回bWSD打印提头程同便携设备围传器磁动器p打印队列满口COM和LPg XDW XDS2xox Uscr CDC Scrial Port(COM15监视人体学输入设备声合。视礼游空制聶邑图广州创龙电子刑技有限公司Guangzhou Tron ong Electronic Technology co, LtdTron集成开发环境自带及系列仿真器驱动。如果仿真器无法正常使用,请检查是否存在驱动冲突,系列仿真器使用芯片,请检查是否与已经安装使用的转串口驱动冲突,如使用仿真器,请检查计算机中是否正确安裝转串口驱动或者尝试重新装计算机主板芯片组驱动12设置工程配置文件信息请先按照相关软件安装文档安装然后打开集成开发环境,点击菜单,如下图所示:File Edit View Mavigate Project Run ScriptsWindow HelpNewAHt+ShH+Np會 CCs Pro ectCluseCurl+W3Suurte FieClose allCtrl+Shift+wh Header FleCSaveCtrl+cOClassT Hile from TemplateSave All匚tr- shift+S9 DS2/BICS V5.x Configuration File盛 RTSC Ccntiguraticn FilcC OtherCtrl-Ne Refresh图在弹出的界面中输入工程配置文件名字,然后点击如下图所示广州创龙电子刑技有限公司Guangzhou Tron ong Electronic Technology co, LtdTronN New Target ConfigurationI arget Configurati。nCreate a new Target Configuration fileFile name: New TargetConfigurationccxml回 Use shared locationLocation: C /Users/asus/ti CCSTargetConfigurations File System. V/crks pace.上Fh[ca图在弹出的对话框的下拉框中选择对应的仿真器类型(如使用仿真器请选择下拉框中选择对应的型号,如下图所示:Advanced SetupThis =action descrihes th= general config ration ah

非常好的Qt程序 软件工程的程序 可以作为很好的参考

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

【实例简介】