MPC5604b的各种开发列子，ADC，API，DSPI，eMIOS，I2C，UART等，不用开RAppID就能看到的代码

lda分类代码matlab 重度抑郁症的多部位转移分类 “重度抑郁症多部位转移分类”文章核心代码 系统要求 软件要求 该软件包已在 Ubuntu 18.04、Python 3.6 和 Matlab 2009 上进行测试 Python 依赖 本项目主要依赖以下Python堆栈： 火炬 1.4.0 麻木的学习scipy h5py 参数解析操作系统时间警告 用法 1. 对于 GCN 和 GCNSP 模型： 1.1 多站点池化分类请在Linux终端运行： python train_fmridata_MDD_simple.py --method=GCNSP --train_or_test=train --datadir=${datapath} --pretrain_dir=${pretrain_path} --cuda=0 其中，--method 表示使用的模型（GCN 或 GCNSP）。 --train_or_test 表示从头开始训练，或仅基于我们训练过的模型进行测试。 --datadir 是功能连接数据所在的目录。 --pretain_dir 是训练好的模型所在的目录'。 --cuda 表

lda分类代码matlab 怎么跑 所有matlab源代码都在代码文件夹中。 代码文件夹还包含一个文件夹images ，其中包含我选择的所有图像（从 1 到 20）以及文件夹me中我自己拍摄的照片。 1. PCA 在code文件夹中，运行 pca() 它将首先加载图像，然后生成 PC。 它将进行 2D 和 3D 可视化并绘制 3 个特征面。 然后它将图像投影到 40、80 和 200 维，并使用最近邻进行分类。 所有步骤都在代码的注释中进行了描述。 2.LDA 在code文件夹中，运行 lda() 它将首先加载图像，然后生成 LDA。 它将进行 2D 和 3D 可视化。 然后它将图像投影到 2、3 和 9 维，并使用最近邻进行分类。 所有步骤都在代码的注释中进行了描述。 3. 支持向量机 在code文件夹中，运行 [acc_origin, acc_80, acc_200] = svm(C) 它将首先加载图像并使用 SVM 进行分类并输出准确率。 然后它将执行 PCA 以获取 PC。 它将使用 PC 将数据投影到 80 维和 200 维。它将使用 SVM 对这些维数为 80 和 200

从github下载的资源，仅供本人记录使用，其余博友也可以分享

MCGS数据导出例程

以太网数据转发例程——MCGS

完全适配TX-1C这块板子，初学者可以参考学习12864~~

4X4矩阵键盘，压缩包里包含原理图、PCB工程以及测试例程。

AMS-Designer是一个模拟环境，允许模拟混合信号设计。模拟器使用Spectre和NC-Verilog分别仿真模拟和数字部分。互连模块用于在连接在一起的模拟端口和数字端口之间转换信号，通常用工具自带的转换库connect_lib来自动完成。 通过构建一个模拟电路的反相器和一个Verilog描述的反相器串联来完成数模混合仿真的例程。

STM32主控芯片神舟1号开发板例程源码，UCOS-II移植源码，硬件原理图。