基于 MATLAB 的开源软件，用于使用光线追踪算法生成室内可见光通信脉冲响应 Indoor_VLC_Ray_Tracing

决策树与随机森林MATLAB代码，可运行，内含EXCEL数据。

LEACH算法的matlab仿真代码，可以直接运行

花授粉算法matlab代码IROS2019论文列表 这是从修改而成的，感谢他们的出色工作。 2019年IEEE / RSJ国际智能机器人和系统国际会议（IROS 2019）已于2019年11月4日至8日在中国澳门威尼斯人举行。 IROS是全球规模最大，影响最大的机器人研究会议之一。 它带来了一个由研究人员，教育工作者和从业人员组成的国际社区，以探索智能机器人和系统中科学技术的前沿领域，并讨论在这一快速发展和令人兴奋的领域中的最新进展。 此清单由中国学术非营利组织（NGO）编辑。 最近，我们将按主题对这些论文进行分类。 欢迎关注我们的github和我们的微信公众平台帐户（）。 当然，您可以与联络。 标题 指数 用于INS / GPS融合的异常鲁棒歧管预集成 0688 同心管机器人的自主转向，提高了力/速度的可操纵性 0813 2件式六轴力/扭矩传感器，能够测量施加到复杂形状工具上的载荷 1744 未知环境中的自主混合地面/空中机动性 2028年 混合/主动/被动手腕方法在协作式机器人微创手术中提高虚拟固定装置的刚度 2255 超冗余机器人手术器械的六轴混合传感和尖端力/扭矩估计 2324

萤火虫群智能优化算法（Glowworm Swarm Optimization, GSO）是由K.N.Krishnanand和D.Ghose两位学者在2005年提出的一种通过模拟自然界中萤火虫发光行为而构造出的新型群智能优化算法。它模拟了自然界中萤火虫群中个体通过发光来吸引伙伴或觅食，萤火虫携带荧光素越多，萤火虫越亮，个体的吸引力越强，最终使得大部分萤火虫聚集在最亮的萤火虫所处位置上的这种现象

Matlab代码sqrt 古田摆Meca-482 7组 瑞安·亨氏（Ryan Heinz），罗杰·雅各布森（Roger Jakobson），罗伯特·考夫曼（Robert Kaufman），瑞安·雷沃林斯基（Ryan Revolinsky），布伦南·范·沃希 目录 1.概述 项目说明-（注：此项目是作为该项目的启动点提供给我们的。）“古斯塔摆锤或旋转倒立摆锤由一个在水平面上旋转的从动臂和一个与该摆臂相连的摆锤组成，该摆臂可自由旋转在垂直平面旋转。 它是1992年由古田胜久及其同事在东京工业大学发明的。” [1]团队在这个项目中调查的问题是以低成本和简化的方式为控制系统算法创建测试平台。 在这方面，预计项目团队将使用设计的控制系统创建系统的数学模型。 穿插： 产生一个控制器，该控制器从其垂直位置开始在其垂直位置平衡旋转倒立摆。 只有连接到摆臂的底座上的电动机才具有可控制的运动（使其成为欠驱动系统）。 因此，控制器必须以这种方式（在提供摆杆数据的传感器的帮助下）移动该臂，以迫使摆杆平衡。 在Coppelia中模拟该系统。 可交付成果： 预计该团队将展示他们的项目（约5分钟），并构建一个包含G

跳一跳matlab代码论文 我关于使用基于定时自动机的流量抽象自动优化调度程序合成的硕士论文的存储库。 （使用定时游戏自动机、Dieky Adzkiya 和 Manuel Mazo, Jr. 调度事件触发的网络控制系统） 在matlab文件夹中，可以找到用于生成交通模型抽象的 C. Hop 代码的编辑版本。 main.m 文件包含描述系统和查找抽象的所有参数。 更改 wrt C. Hop 的代码： 实现了二分搜索以找到每个部分的触发时间的下限和上限 边界和可达性分析在一个函数中完成，并使用并行循环来加速过程。 结果会自动保存到 .mat 文件中 在python文件夹中，找到了定时自动机和抽象的 python 实现。 可以通过 G.Gleizer 使用 ETCTime 或通过加载由 matlab 代码保存的 .mat 文件来创建抽象 为了重新创建上述论文中的网络和控制回路，实现了 ControlLoop 和 Network 类。它们继承自 TGA 类，并且可以导出为 Uppaal XML 图。 为此，这些类使用的 ta 中包含了 pyuppaal 的改编（部分）版本。 test.py 中

Matlab程式码法索 使用Standard Optimization（Faatso）进行的快速行进各向异性声发射层析成像是一种用于对非均质（弱）垂直横向各向同性介质进行组合的主动/被动声发射层析成像的软件包。 该代码包含两个主要元素：（1）使用快速行进方法的3D VTI ekonnal求解器。 （2）一种特定的逆问题求解器，它使用最小二乘拟牛顿法迭代地反演源位置和速度结构。 该代码的所有操作部分均用C ++编写，并提供了Matlab中的接口以简化结果的生成和可视化。 安装 要求和依赖性 要运行Faatso，您需要：（1）一个支持c ++ 11的c ++编译器。 （2）c ++ Boost库（可从下载），或至少是快速行进算法中使用的boost / heap库。 （3）Armadillo库（可从上下载）与Lapack一起，用于在反演算法中执行线性代数。 （4）使用Matlab（或可能的Octave，但我尚未测试过）运行包装程序和示例。 编译器应该可以访问Boost头目录的路径（通常是usr / local / boost_x_xx_x之类的路径），例如，将其添加到CPATH环境变量中即可

文件包含：MIT-BIH数据库信号用于CEEMDAN算法代码，EMD、EEMD和CEEMDAN算法源码

matlab代码影响深度学习胸部X射线图像 为解决Kaggle在放射线照相图像中识别肺炎所提供的挑战而开展的活动。 动机来自安德森·索亚雷斯（Anderson Soares）教授的提议，他在课堂上提出了挑战。 为了解决该问题，该存储库中包含一种人工机器学习智能技术，专注于使用深度学习对模式进行识别。 语境 数据集被组织为3个文件夹（训练，测试，验证），并包含每个图像类别（肺炎/正常）的子文件夹。 有5,863张X射线图像（JPEG）和2类（肺炎/正常）。 胸部X射线图像（前后）选自广州市广州市妇女儿童医疗中心的1至5岁儿科患者的回顾性研究。 所有胸部X射线成像均作为患者常规临床护理的一部分进行。 为了分析胸部X射线图像，首先对所有胸部X光片进行了筛查，以通过去除所有低质量或不可读的扫描来进行质量控制。 然后，由两名专业医师对图像的诊断进行分级，然后再将其清除以训练AI系统。 为了解决任何分级错误，还由第三位专家检查了评估集。 解决方案 通过使用InceptionV3网络，使用转移学习资源实现了深度神经网络。 可以在网络体系结构本身的实现中可视化所使用的参数。 该解决方案还使用了外部数据