turtlebot3小车、Ubuntu18.04、ros-melodic
2022-01-06 19:00:40 2.6MB C++ ROS RRT算法 turtlebot3小车
1
通过dhcp实现pc自动获取IP,实现了各VLAN之间的通信!!!!
2022-01-05 10:36:37 70KB hdcp
1
keil中,RTT 实现代码放到 vector和code 放到ram
2022-01-03 17:02:24 4KB ram keil stm32
1
美国国家标准学会 根据文章,NSGA-III算法在C ++中的实现: Kalyanmoy Deb和Himanshu Jain,一种使用基于参考点的非支配排序方法的进化多目标优化算法,第一部分:解决盒子约束问题。 IEEE进化计算学报,第1卷。 18,第4号,第577-601页,2014年8月。doi:10.1109 / TEVC.2013.2281535。 该代码使用DTLZ和WFG测试问题进行了测试,获得的结果与作者报告的结果非常相似。 欢迎提供贡献和错误修复。 示范 演示“ src / main_nsga3.cpp”包含NSGA-III算法的可伸缩性测试,方法是将目标数量从3个改为10个(考虑到DTLZ2问题)。 编译特定的目标文件: make Makefile
2021-12-30 14:09:54 84KB c-plus-plus cpp nsga-ii nsga2
1
嵌入式ARM及ARM-Linux操作系统已广泛应用于工业控制、通信、医疗仪器等各个领域。ARM设计了大量高性能、廉价、耗能低的RISC处理器、相关技术及软件。技术具有性能高、成本低和能耗省的特点。适用于多种领域,比如嵌入控制、消费/教育类多媒体、DSP和移动式应用等。 许多公共场所和居民小区等地点都安装了视频监控系统,因而视频监控与显示终端的应用越来越广泛。   本文以嵌入式ARM作为硬件核心,ARM异步响应方式异步响应方式ARM也是一种非平衡数据链路操作方式,与NRM不同的是,ARM下的传输过程由从站启动。从站主动发送给主站的一个或一组帧中可包含有信息,也可以是仅以控制为目的而发的帧。在这种
1
布里萨帕蒂 :pushpin: 介绍 这是各种机器学习算法和实验的集合,通过遵循各种教程,文章博客等内容,这些知识已经在我这边实现了。 这些机器学习算法已在来自 , 等的各种数据集上实现。 :check_mark: 资源 :collision: 笔记本和数据集 姓名 数据集 笔记本 亚马逊情绪分析 使用转移学习进行COVID-19检测 猫狗分类器 使用LSTM的聊天机器人 决策树 假新闻分类 性别预测 印地语字符识别 鸢尾花预测 K均值聚类 线性回归I 线性回归II 线性回归III 逻辑回归 MNIST时尚数据集 朴素贝叶斯 强化学习 葡萄酒数据集 时间序列分析 垃圾邮件检测 IMDB情绪分类 卫星影像分析
1
在上一节中我介绍了“MVVM中轻松实现Command绑定(四)获取事件参数EventArgs”,通过Loaded事件传递控件对象,然后添加事件方法,这样做是可以的,但是不符合MVVM的思想,今日我介绍另一种方法,通过扩展interactivity的InvokeCommandAction来实现事件参数传递。 见:http://blog.csdn.net/qing2005/article/details/6680047
2021-12-29 11:15:40 290KB MVVM EventArgs
1
1.引言   火灾自动报警系统是人们为了早期发现通报火灾,并及时采取有效措施,控制和扑灭火灾,而设置在建筑物中或其它场所的一种自动消防设施,是人们同火灾作斗争的有力工具。   火灾报警系统,一般由火灾探测器、区域报警器和集中报警器组成;也可以根据工程的要求同各种灭火设施和通讯装置联动,以形成中心控制系统。即由自动报警、自动灭火、安全疏散诱导、系统过程显示、消防档案管理等组成一个完整的消防控制系统。 火灾探测器是探测火灾的仪器,由于在火灾发生的阶段,将伴随产生烟雾、高温格火光。这些烟、热和光可以通过探测器转变为电信号报警或使自动灭火系统启动,及时扑灭火灾。 区域报警器能将所在楼层之探测器发出的信
1
椭圆曲线密码学在 C++ 中的实现 请参阅 manual.pdf 以使用此实现。 该项目实现了以下—— 1-有限域算术(具有任意精度的特征) 2- 椭圆曲线算术3- 进攻- Pollard Rho, Pohlig Hellman 4- 椭圆曲线密码系统- Diffie-Hellman 密钥交换、数字签名方案(ECDSA、ELGAMAL)、公钥加密(ELGAMAL)
2021-12-22 22:37:04 253KB C++
1
Python中的卡尔曼滤波器 这是Kalman过滤器如何在Python中工作的基本示例。 我确实计划在将来重构和扩展此存储库。 我一直关注的有关卡尔曼滤波器的系列文章可以在找到。 我正在使用的示例也可以在同一视频中找到。 只需运行: python kalman . py 开始。 应使用传感器和预测值生成图。 真实值(假设未知)为72。
2021-12-22 13:53:19 36KB machine-learning statistics control localization
1