使用Simulink,ROS和Gazebo模拟四轴飞行器任务。 用户可以向 Simulink 模型输入航路点,simulink 计算速度和高度命令,并使用 Robotics Systems Toolbox 中的模块通过 ROS 与 Gazebo 中的四轴飞行器模型进行通信。 使用这些文件的视频可以在这里找到: https : //www.mathworks.com/videos/matlab-and-simulink-robotics-arena-simulating-quadcopter-missions-1510058448836.html
2024-06-14 15:04:05 33.85MB matlab
1
后台使用若依的cloud搭建前台的后台管理系统,前台使用vue3 + scss 来进行开发
2024-06-14 09:06:44 5.02MB vue3
1
使用J-LINK解锁GD32E103CB的读保护
2024-06-13 17:08:40 2KB GD32
1
使用Java和Vue2.0开发的WebSocket聊天室Demo,里面涵盖了前端的WebSocket和服务端Java的基础配置,因此具有较好的学习案例用来学习WebSocket,同时WebSocket还可以应用在前端很多地方处使用,是一个非常建议收藏下载学习的Project!!!
2024-06-13 14:01:30 29.25MB websocket Java Vue JavaScript
1
基于C#使用winform技术的游戏平台的实现【C#课程设计】
2024-06-13 13:32:58 15.47MB winform
1
详细的入门级指导.。。。。。。。。。。 SmartBits使用指导 1、连接SmartBits 1 2、激活板卡、端口配置及更新 3 3、端口接收包详细查看 10 4、各端口收发包统计整体查看 13 5、Trigger设置 15
2024-06-13 10:15:44 8.99MB SmartBits
1
参与度识别模型 :hugging_face: TensorFlow和TFLearn实现: 敬业度是学习体验质量的关键指标,并且在开发智能教育界面中起着重要作用。 任何此类界面都需要具有识别参与程度的能力,以便做出适当的响应; 但是,现有数据非常少,新数据昂贵且难以获取。 这项工作提出了一种深度学习模型,可通过在进行专门的参与数据训练之前,通过对容易获得的基本面部表情数据进行预训练来改善图像的参与识别,从而克服数据稀疏性挑战。 在两个步骤的第一步中,使用深度学习训练面部表情识别模型以提供丰富的面部表情。 在第二步中,我们使用模型的权重初始化基于深度学习的模型以识别参与度。 我们称其为参与模型。 我们在新的参与度识别数据集上训练了该模型,其中包含4627个参与度和脱离度的样本。 我们发现参与模型优于我们首次应用于参与识别的有效深度学习架构,以及优于使用定向梯度直方图和支持向量机的方法。 参考 :hugging_face: 如果您使用我们的
2024-06-12 17:37:04 112KB education deep-learning Python
1
GBS专业服装分床裁剪计划软件共享使用
2024-06-09 07:11:49 13.73MB
1
该文档为netminer4简介与使用指南,希望能对大家有所帮助。
2024-06-07 23:17:23 1.42MB
1