FR1002人脸识别模块结合stm32实现3D红外人脸识别，并配合超声波模块触发人脸识别。 FR1002人脸识别模组解决方案以高性能应用处理器为硬件平台，配合双目传感器进行活体检测，具有启动速度快、金融级的识别能力、超低使用功耗等特点。凭借超低功耗、强大的运算速度，在多种应用领域中，为各行业赋能。 人脸识别模组具备完整的人脸处理能力，可以在无 需上位机参与的情况下，完成人脸录入，图像处理，人脸比对，人脸特征 储存等功能。和同类人脸产品相比，具有以下特色： ❖ 高性能算法芯片 ❖ 双目 3D 摄像头模组 ❖ 广角低畸变镜头 ❖ 红外成像 ❖ 金融支付级别识别算法 ❖ 活体检测，抗各种攻击 ❖ UART 通信接口 ❖ 支持 5.0V~14.0V 供电 ❖ 多种通用尺寸，可适配不同结构。

unity+tuio协议的多点触控，实现了tuio协议和unity3D的无缝结合 可以用来对接unity项目的互动大屏开发，这个是非常好用的模拟器

文件为.cpp格式，可以利用Dev-c++打开浏览源码进行阅读。其中对于读写文件的操作需要根据你所要选择的路径进行修改，否则默认在源码所在文件夹下生成文件。编写源码的过程是在vs2019上进行的，因而防止部分不兼容报错，最好使用vs2019运行代码。

导读：这套测量系统可应用于少接脚数的模拟、混合信号与传感器半导体测量。 　　5月27日， 知名半导体测试设备供应商爱德万测试有限公司新推出结合数字与模拟测试功能的测量系统EVA100,这套革新的测试平台可应用于少接脚数的模拟、混合信号与传感器半导体测量，带来附加价值。EVA100支持多种元件测试功能的全新测试解决方案，从工程研发到量产阶段皆可应用。 　　EVA100采用架构设计，提升了其多种测量的灵活性。操作界面简单直观，用户不必具备高级编程能力即可操作，帮助客户更快将最新IC元件推向市场。 　　EVA100在工程研发与量产阶段皆可适用，能同时控制多种测试，可提高测量精确性、改善测试效率

单相逆变器重复控制。 采用重复控制与准比例谐振控制相结合的符合控制策略，spwm调制环节采用载波移相控制，进一步降低谐波。 仿真中开关频率20k，通过FFT分析，谐波主要分布在40k附近，并没有分布在20k附近，载波移相降低了谐波含量。 整个仿真全部离散化，包括采样与控制的离散，控制与采样环节没有使用simulink自带的模块搭建，全部手工搭建。

Matlab研究室上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描视频QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

PyCharm使⽤教程（详细版-图⽂结合） ⽬录 PyCharm的使⽤贯穿整个Python的学习，所以单独拿出来出教程不合适，说多了对于新⼿来说也还是不明⽩，这⾥我们先从学习开始前⼤ 家需要⽤到PyCharm的⼀些功能讲起，后⾯的中我们会带着给⼤家讲更⾼级⼀点的⽤法。 上⼀节课我们已经安装好PyCharm了，这⾥就不多说了，先从创建项⽬讲起。 ⼀、创建项⽬ 1.我们每次新开发⼀个项⽬之前都要创建⼀个环境，这⾥打开PyCharm直接点击Create New Project。 2.选择项⽬路径 3.点击Create开始创建，这样我们不仅新建了⼀个项⽬⽬录，同时也配置好了开发环境。然后进⼊IDE的⼯作界⾯，点击file，再点new创建 ⼦⽬录或者⽂件。 4.如果创建⽂件直接点击下图箭头所指的Python file，如果是创建⼦⽬录可以选择下图中的1或者2，这两个的区别是1是普通⽬录，2是带 包的⽬录，可以被直接import，这⾥不多说，后⾯的虚拟环境中会详细讲解。 ⼆、运⾏ 上⾯的项⽬和⽂件我们都创建好了，为了演⽰⽅便，我这⾥在新建问价test.py中写了⼀段代码。 import rando

Matlab实现基于MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测 Matlab实现基于MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测（Matlab完整程序和数据） 1.最大互信息系数MIC(数据特征选择算法)的分类预测，MIC特征选择分类预测，多输入单输出模型。 2.多特征输入模型，直接替换数据就可以用。 3.语言为matlab。分类效果图，混淆矩阵图。 4.分类效果图，混淆矩阵图。 5.MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测。 运行环境matlab2018及以上。 经过特征选择后，保留9个特征的序号为： 1 3 5 7 8 9 10 11 12

使用YOLO模型结合pyqt图形界面可视化目标检测，拥有摄像头，图片，视频检测三大模块。

基于神经网络的自适应PID控制器 通过将RBF（BP）神经网络和PID控制器相结合，建立了神经网络PID控制器，采用传递函数进行系统建模，通过自动调整PID参数，实现了对方波信号的跟踪。 程序有注释