为保证铁路联锁模型的安全性，在故障分析法的基础上提出一种新的用Petri网来建立故障树的方法，动态地描述铁路联锁系统的安全性需求，并根据Petri网安全需求模型的可达标志图，提出一种能自动生成最小割集的算法。根据算法生成的最小割集，设计了一个联锁安全检测器，用于检测和控制联锁系统模型处于安全状态。最后用CPN工具对所建立的联锁系统模型进行仿真，仿真结果表明联锁安全检测器能够保证模型的安全性。

课程设计任务书 学生姓名 胡俊 学生专业班级 计 算 机0801 指导教师 王莹 学 院 名 称 计算机科学与技术学院 一、题目：“1 1 1”序列检测器。 原始条件：使用D触发器( 74 LS 74 )、“与”门 ( 74 LS 08 )、“或”门( 74 LS 32 )、非门 ( 74 LS 04 )，设计“1 1 1”序列检测器。 二、要求完成设计的主要任务如下： 1．能够运用数字逻辑的理论和方法，把时序逻辑电路设计和组合逻辑电路设计相结合，设计一个有实际应用的数字逻辑电路。 2．使用同步时序逻辑电路的设计方法，设计“1 1 1”序列检测器。写出设计中的5个过程。画出课程设计图。 3．根据74 LS 74、74 LS 08、74 LS 32、74 LS 04集成电路引脚号，在设计好的“1 1 1”序列检测器电路图中标上引脚号。 4．在试验设备上，使用74 LS 74、74 LS 08、74 LS 32、74 LS 04集成电路连接、调试和测试“1 1 1”序列检测器电路。 三、实验设计过程： 第1步，画出原始状态图和状态表。 根据任务书要求，设计的序列检测器有一个外部输入x和一个外部输出Z。输入和输出的逻辑关系为：当外部输入x第一个为“1”，外部输出Z为“0”；当外部输入x第二个为“1”，外部输出Z为“0”；当外部输入x第三个为“1”，外部输出Z才为“1”。假定有一个外部输入x序列以及外部输出Z为: 输入x： 0 1 0 1 1 1 0 1 1 1 1 0 1 输出Z： 0 0 0 0 0 1 0 0 0 1 1 0 0 要判别序列检测器是否连续接收了“111”，电路必须用不同的状态记载外部输入x的值。假设电路的初始状态为A，x输入第一个“1”，检测器状态由A装换到B，用状态B记载检测器接受了111序列的第一个“1”，这时外部输出Z=0；x输入第二个“1”，检测器状态由B装换到C，用状态C记载检测器接受了111序列的第二个“1”，外部输出Z=0；x输入第三个“1”，检测器状态由C装换到D，外部输出Z=1。然后再根据外部输入及其他情况时的状态转移，写出相应的输出。以上分析了序列检测器工作，由此可画出图7-1所示的原始状态图。根据原始状态图可列出原始状态表，如表7-2所示。

EDA课程设计 8位序列检测器 伪随机序列发生器

edge_detector：HED实时iOS边缘检测器

Python文档检测器 python中的简单文档检测器。 环境设定 运行以下命令以安装必要的软件包。 pip install -r requirements.txt 测试运行 python3 page_extractor.py -i 'input/receipt.jpg'

分享的是Ds18B20温度检测器设计， Lcd显示、矩阵键盘设置上限报警、报警系统（LED灯亮、电机转动散热）。该温度检测器，使用了10米线长的DS18b20温度传感器和51开发板，传感器由于使用长距离的接线，所以需增加上拉电阻。使用Lcd1602显示温度和所设置的上限报警值，可使用矩阵键盘设置上限报警的温度值，报警系统包括:LED灯由黄变红，同时电机转动散热。 来个实物秀:

序列检测器可用于检测一组或多组由二进制码组成的脉冲序列信号，当序列检测器连续收到一组串行二进制码后，如果这组码与检测器中预先设置的码相同，则输出1，否则输出0。由于这种检测的关键在于正确码的收到必须是连续的，这就要求检测器必须记住前一次的正确码及正确序列，直到在连续的检测中所收到的每一位码都与预置数的对应码相同。在检测过程中，任何一位不相等都将回到初始状态重新开始检测。例6-27描述的电路完成对序列数"11100101"的。当这一串序列数高位在前（左移）串行进入检测器后，若此数与预置的密码数相同，则输出“A”，否则仍然输出“B”。

概述： -------- 通过检查所有可能的长轴（所有点对）并使用霍夫变换获取短轴来拟合椭圆。 算法复杂度取决于有效非零点的数量，因此如果有任何先验，则在“params”输入参数中提供尽可能多的限制是有益的有关问题的知识。 由于（可选）随机化和完整代码矢量化，代码相当快。 但是，由于该算法需要计算成对点距离，因此可能会占用大量内存。 如果出现内存不足错误，请对输入图像进行下采样或以某种方式减少其中非零点的数量。 它可以处理大量的噪音，但可能会出现严重的遮挡问题（长轴端点需要可见） 输入参数： -------- 图片- 单通道输入图像（灰度或二进制）。 参数- 算法参数： * minMajorAxis：接受的主轴的最小长度。 * maxMajorAxis：接受的主轴的最大长度。 旋转，旋转跨度：对主轴角度限制的规范（以度为单位）。 如果 rotationSpan 在 (0,90) 中，

机器学习支持的虚假新闻检测器 从初始构想到部署，构建端到端机器学习项目的完整示例。 此回购随附于博客文章系列，描述了如何构建假新闻检测应用程序。 这里包含的帖子： ：描述项目构想，设置存储库和初始项目工具。 ：描述如何使用工具获取数据集并执行探索性数据分析，以便更好地理解问题。 ：描述如何为第一个ML模型（随机森林分类器）获得功能训练/评估管道，包括如何正确测试管道的各个部分。 ：描述如何解释通过特征分析（通过诸如类的技术）和错误分析所学的第一个模型。 也可用于由驱动的第二个模型。 ：描述如何使用和部署模型以及构建随附的Chrome扩展程序。 还说明了用于以可伸缩和可复制的方式在应

假新闻检测器 建立一个模型来识别不可靠的新闻文章。 贡献者： Hutaf R. Aljohani，Abdullah Almokainzi，Arwa Ashi