ABB机器人、PLC、C#上位机全套程序 1.项目用的是ABB蜘蛛机器人，六轴用的程序开发都一样 2.上位机与机器人和PLC通讯都是通过以太网总线方式，没有使用传统的IO方式 3.自己写的程序，可提供部分 3.PLC使用的是200smart 4.作为案例适合自己提升学习用

用于频率响应测量的LabVIEW项目，用于National Instruments LabVIEW 7.1.1所需软件：-National Instruments“ LabVIEW 7.1.1 for Windows”，http：//www.ni.com-Microsoft GW-Basic（例如Commodore GW-Basic）适用于MSDOS-硬件驱动程序，包含在“ drivers”目录中。项目内容-使用Microsoft GW-Basic程序测试数字万用表-将函数发生器连接到LabVIEW-将数字万用表连接到LabVIEW-将模板适配到功能性Labview应用程序“ Voltcraft_Frequenzgang.vi”-执行频率响应分析-用Labview表示频率响应要执行该项目，必须将LabVIEW文件“ Voltcraft_Frequenzgang.vi”加载到LabVIEW 7.1.1中，然后执行。 版权所有2005-2015 Rolf Hemmerling，BerndBöttcher。 根据Apache许可，版本2.0许可

本人“用于图像压缩和去噪的深度CNN自动编码器”文章的jupyter notebook源代码

matlab数模转换的代码振动检测 该存储库包含针对项目I的MATLAB脚本和Arduino代码，该项目致力于检测工业振动并在振动超过阈值时发出警告。 大多数工业设备经过精心设计，可以平稳运行并避免振动，而不是产生振动。 在这些机器中，过度的振动可能表明设备存在问题或性能下降。 如果根本原因未得到纠正，则不必要的振动本身可能会造成其他损坏;如果机器中的振动超过某个阈值，则可能导致机器零件损坏，甚至对在其附近工作的人员造成伤害。 如果我们可以在屏幕上可视化振动或运动的方向以及发生振动的强度，那将非常重要。 MPU 6050：传感器MPU6050在单个芯片中包含MEMS加速度计和MEMS陀螺仪示波器。 MPU代表“运动处理器单元”。 它非常准确，因为每个通道都包含16位模数转换硬件。 因此，它可以同时捕获x，y和z通道。 该传感器使用I2C总线与Atmega-328控制器接口。 FTDI Basic：这是由Future Technology Devices International设计的编程器模块，可用于在arduino IDE中上载代码。 使用USB到串行转换器。 需要3.3V / 5

普通最小二乘（OLS）回归 这是一个简单的项目，展示了OLS回归算法的实现。 在此特定实现中，将发生以下情况： 1. input independent and dependent variable data is split into "training" and "prediction" sets. 2. Within the training set, k-fold crossvalidation is used to generate an Akaike Information Criteria (AIC) value for each 1-p combinations of independent variables. 3. The model with the lowest AIC is selected and fit to the entire

开放铁路地图 一个基于 OpenStreetMap 的项目，用于创建世界铁路基础设施的详细地图。 有关更多信息，请参阅、 和。 该存储库包含所有与项目相关的组件，包括 OpenRailwayMap、API 接口、地图渲染样式、地图渲染器、数据库后端、 标记预设、JOSM 验证规则和项目文件。 作者 有关所有贡献者的完整列表，请参阅。 安装 按照。 贡献 欢迎对这个项目，阅读和以获取更多详细信息。 如果您想报告问题，请使用 GitHub 上的或通过以下描述的方式之一与我们联系。 捐款 您也可以通过Paypal捐赠和银行转账到FOSSGIS eV来兑现这个项目（转移“OpenRailwayMap”的原因）。 本项目由开发商在业余时间运营，无商业目的。 通过捐赠，您可以表明您感谢开发人员的志愿工作，并可以激励他们在未来继续该项目。 联系方式和新闻 电子邮件 邮件列表 #OpenRail

IQE：使用DCGAN增强图像质量 印度德里·内塔吉·萨哈斯工业大学的Leo Adlakha，Prateek Bhardwaj，Abhijeet Singh Varun ：开发了图像质量增强功能，以增强尺寸（1536、2048、3）的弱光图像的质量。 一些结果如下所示： 要求 requirements.txt包含该代码和网站使用的Python软件包。 抽象的 我们提出了一种新颖的方法来调整弱光图像的各种图像属性，以产生具有更好对比度，亮度等的增强图像。问题是要提高从各种移动设备（如iPhone，三星等）拍摄的图像的质量。一种基于深度学习的方法，涉及深度卷积生成对抗网络（GAN），可以使用一对低质量的图像作为噪声矩阵对其进行训练，并且当此输出与高质量时，生成器的输出用于比较结果图像（groundtruth）被送入鉴别器以获得各种涉及颜色，纹理等的损失。它在从公开可用的数据集（如samsu

书店 一个书店UI项目，用于测试我的小CSS技能。

欢迎来到我的Apple图片分类项目 在这个项目中，我探索了如何使用CNN和转移学习来建立图像分类器。 数据集包含从Google Image的“ iPhone”，“ iPad”和“ Macbook”的最高搜索结果中抓取的1500张图像。 完整的数据集可以在这里下载： : 。 目的是尝试创建图像分类器，以区分3种最主流的Apple产品-iPhone，iPad和Macbook。 从表面上看，它们可能会彼此混淆（没有缺口的旧版iPhone设计可能会误认为iPad，而带有键盘的新版iPad可能会误认为Macbook）。 虽然我们可以轻松区分它们，但我们可以教一个深度学习模型来做到这一点吗？ 哪种方法可以使我们获得最高的准确性？ 这些是将在本项目中回答的问题。 档案说明 该存储库中只有4个文件（自述文件和需求文件除外）。 该笔记本是一款Jupyter笔记本，可以在Google Colab（带有

ArtLine：基于深度学习的项目，用于创建线条艺术肖像