Final IK 2.2 - Unity

The LTR-578ALS-031WA is an integrated low voltage I2C ambient light sensor (ALS), and proximity sensor (PS), with built-in emitter in a single miniature chipled lead-free surface mount package.

Final IK 為採用biped骨骼的角色提供了一個極端靈活、強大且高效的全身IK解算器。FBBIK先把Biped角色映射到一個低解析度的多反應器角色IK綁定，解算它，然後重新把結果映射角色。這個過程在LateUpdate進行，在Mecanim/Legacy動畫完成之後，所以它跟animator系統完全分離。

2048（Java） AP CS Final项目-用Java实现的2048，具有保存/加载功能 按S保存游戏按L加载保存的游戏按R重新启动游戏使用Directional Arrows移动图块

Tencent2018_Final_Phrase_Presto 腾讯2018广告大赛的决赛代码（初赛决赛数据格式一样，其实没区别。）。 两个LGB模型融合，最后成绩0.7534 赛题为相似人群拓展（Lookalike），基于广告主提供的一个种子人群（又称为种子包），自动计算出与之相似的人群（称为扩展人群）。 相关博客介绍： 原始数据下载（初赛）： 提取码：50du 2018题目手册： 提取码：u5jr 由于本次比赛数据量巨大，加上本人能力和毕业季精力有限，本开源的成绩并不是很理想，仅供参考。 这是一个纯LGB模型，包括普通统计模型和独热统计模型两部分，分别单独跑出两个模型的结果后，对result进行平均已获得最终结果。 普通统计特征包括： 简单ID计数统计，对kw,topic做词向量训练后聚类，利用交叉窗口统计ID的转化次数等。 独热统计特征包括： 简单ID独热编码，几个交叉ID的独热编码

BackTrack 4 Final Release VMWare Image ISO光盘BT种子.

视频图matlab代码KITTI数据集上的InEKF本地化和语义映射 这是我们针对EECS 568：移动机器人：方法和算法的最终项目git存储库。 我们的项目是在KITTI数据集上的InEKF本地化和语义映射。 您可以观看我们的程序的最终演示视频，该程序是使用KITTI本地化和构建地图的。 您可以找到我们的最终报告。 这些说明将为您提供在本地计算机上运行的项目的副本。 左InEKF本地化 点击查看完整视频 先决条件 的MATLAB 由于我们的代码是用MATLAB编写的，因此您可以在任何OS平台上运行我们的程序。 运行本地化程序 首先，您需要使用我们的左不变EKF生成轨迹。 为此，请编辑InEKF_Main.m第5行，以将其输入输入数据集文件夹名称。 例如，对于数据集0009 ，代码行应如下所示： filename = '2011_09_26_drive_0079_sync'; 之后，只需运行InEKF_Main.m ，它将在SE3中的姿势保存为.txt文件中的12乘1矢量。 文件的名称将是“ poses.txt”附加的数据集的名称。 例如，由文件夹2011_09_26_drive_00

CTA-861-H-Final spec

matlab精度检验代码ECE 5775最终项目 基于神经网络的Xilinx Zedboard上具有固定延迟的语音命令识别方法 ，和的项目。 每个文件夹及其内容的说明如下 audio_lab 它包含Xilinx Vivado和SDK项目，以将位流编程到FPGA并配置如何将数据发送到FPGA。 合并的 这包含我们基于Xilinx Vivado HLS对FPGA综合进行的集成测试，该测试基于3种不同的数据类型。 这些基于float数据类型，双精度float数据类型和Xilinx ap_fixed数据类型。 ap_fixed数据类型具有最快的运行时间，但就位宽而言并不是非常优化。 组件 Matlab的 该文件夹包含用于在MATLAB中生成训练和测试数据的所有必需文件。 在文件中查找更多详细信息 神经网络 该文件夹包含三层神经网络实现。 它学习使用前馈网络，然后进行反向传播。 分类输入以随机顺序输入网络。 在每个输入通过网络馈送之后，将检查每个输出神经元的值，并将其与所需的输出进行比较，以获取误差。 该误差通过层之间的所有边缘传播回去，并且权重在“学习”过程中进行调整。 重复该过程，直到达到期

matlab计算地球面积代码克里斯汀·切斯利（Christine Chesley） 地球科学研究计算 2017年12月6日 项目名称： 环境噪声的新认识：互相关的MOCHA MT数据 抽象的： 环境噪声互相关是一种地震学领域的技术，因为它具有估计两个地震台站之间格林函数（脉冲响应）的能力（Roux等，2005）。 脉冲响应的基本物理特性允许其出现在从两个站点测量的噪声的相干部分中。 由于来自环境地震噪声的地面运动会导致MT接收器的位置发生轻微变化，因此也会导致MT接收器在地球地磁场中的位置发生轻微变化，因此这些接收器收集的数据对环境地震噪声非常敏感。 假设互相关的MT数据应产生类似于地震数据互相关所观测到的格林函数。 在这里，我们使用来自MOCHA项目的MT数据。 Roux，P.，KG Sabra，P.Gerstoft，WA Kuperman和MC Fehler（2005），地震噪声互相关的P波，Geophys。 Res。 Lett。，32，L19303，doi：10.1029 / 2005GL023803。 内容： MOCHA_map/ I. make_mocha_map.bash