搜索资源列表
课程设计指导书
- 课程设计是单片机课程教学的最后一个环节，是对学生进行全面的系统的训练。进行课程设计可以让学生把学过的比较零碎的知识系统化，真正的能够把学过的知识落到实处，能够开发简单的系统，也进一步激发了学生再深一步学习的热情，因此课程设计是必不少的，是非常必要的。 但是，在多年的教学实践中，我们感到一方面学生掌握的理论知识和实践知识有限；另一方面课程设计的时间有限，一般不多于两周。要想学生在规定时间内，运用自己有限的知识去独立完成一个单片机应用系统的全部设计、制作和调试是不现实的。在两周的时间内，学
java实现银行家算法
- java实现银行家算法 一、实验目的： （1）进一步理解利用银行家算法避免死锁的问题； （2）在了解和掌握银行家算法的基础上，编制银行家算法通用程序，将调试结果显示在计算机屏幕上，再检测和笔算的一致性。 （3）理解和掌握安全序列、安全性算法
LDPC通用仿真平台
- 基于SOPC的LDPC通用的仿真平台设计
支持向量机非线性回归通用MATLAB源码
- 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。
FaceNet-A-Unified-Embedding-for-Face-Recognition-and-Clustering
- FaceNet---深度学习与人脸识别的二次结合 Facenet是一个通用的系统，采用CNN神经网络将人脸图像映射到128维的欧几里得空间，我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。两个人像之间的欧几里得距离越近，说明它们越相似。 FaceNet可以用于人脸验证（是否是同一人？），识别（这个人是谁？）和聚类（寻找类似的人？）。FaceNet采用的方法是通过卷积神经网络学习将图像映射到欧几里得空间。空间距离直接和图片相似度相关：同一个人的不同图像在空间距离很小，不同人的图像在
novatel数据转换为Rinex
- novatel接收机原始数据，通过变成可将其转换为通用的Rinex格式的数据。主要转换了观测数据和导航数据。
Sandia 实验室报告 多通道GMTI性能分析
- 美国通用原子能 Sandia实验室报告，分析了多通道地面动目标检测雷达性能约束。