ST BLE传感器 该存储库包含ST BLE Sensor应用程序源代码。 通过与兼容BlueST协议的固件结合使用，ST BLE传感器应用程序允许用户访问所有传感器数据，请求和下载算法许可证，以及通过Bluetooth:registered:Low直接从移动设备更新固件。能源协议。 例如，用于STM32Cube的扩展软件包使用户可以读取和显示实时惯性（例如运动MEMS）和环境（例如湿度，压力，温度）传感器数据。 它还提供了一组Open.Mems库功能，例如运动传感器数据融合（osxMotionFX），活动识别（osxMotionAR）和计步器（osxMotionPM）。 该应用程序还与ST开放开发环境兼容的 ， 和功能包。 该应用程序基于BlueST SDK构建，该库提供了BlueST协议的实现，并有助于通过Bluetooth:registered:Low Energy轻松导出数据。 SDK源代码可在上免费获得 下载源码 由于

自适应有限元程序 自适应有限元程序 自适应有限元程序 自适应有限元程序 自适应有限元程序

matlab中凯泽窗的代码信息 我的论文的Matlab代码。 没有任何保证。 该代码甚至可能无法正常工作。 您可以找出答案。 :) 两个主要功能是af.m和makesignal.m，af.m计算模糊度函数，而makesignal.m生成传递给AF函数的信号。 其他大多数文件都生成了论文中使用的图。 另一组文件是名称中带有“ opti”的文件。 他们评估了Kaiser窗口和NLFM波形的优化。 其中一些（以“ _gen”结尾）只是生成数据，通常需要很长时间，并将它们保存到.mat文件中。 这样，以后就可以轻松绘制它们，而无需重复计算。 希望它能使某人受益。 执照 版权所有2011 Christoph Koehler。 随意使用该代码进行任何操作。 请给点信用。

搜索引擎 我的学术专案

2018年的一篇论文的相应代码，基于NOMA的边缘小区用户 Matlab-code-TCOM-2018-master

工作第一天 看看这个吧~~ 修炼内功必备 呵呵~ 第1章 假想的编译程序 读者可以考虑一下倘若编译程序能够正确地指出代码中的所有问题，那相应程序的错误情况会怎样？这不单指语法错误，还包括程序中的任何问题，不管它有多么隐蔽。例如，假定程序中有“差1”错误，编译程序可以采用某种方法将其查出，并给出如下的错误信息 -> line 23: while (i<=j) off by one error: this should be '<' 又如，编译程序可以发现算法中有下面的错误： -> line 42: int itoa(int i, char* str) algorithm error: itoa fails when i is -32768 再如，当出现了参数传递错误时，编译程序可以给出如下的错误信息： -> line 318: strCopy = memcpy(malloc(length), str, length); Invalid argument: memcpy fails when malloc returns NULL 好了，要求编译程序能够做到这一程度似乎有点过分。但如编译程序真能做到这些，可以想象编写无错程序会变得多么容易。那简直是小事一桩，和当前程序员的一般作法真没法比。 假如在间谍卫星上用摄像机对准某个典型的软件车间．就会看到程序员们正弓着身子趴在键盘上跟踪错误；旁边，测试者正在对刚作出的内部版本发起攻击，轮番轰炸式地输入人量的数据以求找出新的错误。你还会发现，测试员正在检查老版本的错误是否溜进了新版本。可以推想，这种查错方法比用上面的假想编译程序进行查错要花费大得多的工作量、确实如此，而且它还要有点运气。 运气？

编译原理教学课件：Chapter 7 - Code Generation

基于MTCNN的人脸检测，口罩检测，训练，标注， PyTorch+python 说明文档 基于深度学习的口罩检测 是否戴口罩，分类，警报

ORB-SLAM2 is a real-time SLAM library for **Monocular**, **Stereo** and **RGB-D** cameras that computes the camera trajectory and a sparse 3D reconstruction (in the stereo and RGB-D case with true scale). It is able to detect loops and relocalize the camera in real time. We provide examples to run the SLAM system in the [KITTI dataset](http://www.cvlibs.net/datasets/kitti/eval_odometry.php) as stereo or monocular, in the [TUM dataset](http://vision.in.tum.de/data/datasets/rgbd-dataset) as RGB-D

自己一点点改出来的, 两款编辑器不一样, 没法百分百仿的, 同样的颜色在VS code里好看, 但在keil里就差点意思