在MATLAB内导入和导出ONNX:trade_mark:（开放神经网络交换）模型，以与其他深度学习框架互操作。 ONNX使模型可以在一个框架中进行训练，然后转移到另一个框架中进行推理。
从操作系统或在MATLAB中打开onnxconverter.mlpkginstall文件将启动您所拥有版本的安装过程。 该mlpkginstall文件可用于R2018a及更高版本。
用法示例： %%导出为ONNX模型格式净=挤压％导出的预训练模型filename ='squeezenet.onnx'; exportONNXNetwork（net，文件名）;
%%导入导出的网络net2 = importONNXNetwork（'squeezenet.onnx'，'OutputLayerType'，'classification'）; ％在随机输入图像上比较两个网络的预测img = rand（net.Layers（1）.I
2021-12-11 16:34:29
6KB
1
皮维卡
使用 Python 脚本运行所有 Weka 分类器（CSV 到 ARFF 转换器、数据集缩放、多个类、格式化结果等）
使用 _Run_pyWeka.py 和 Params.csv 为 _Attributes.csv 中定义的多个数据集运行 _Classifiers4NormData.txt 或 _Classifiers4OrigData.txt 中定义的 Weka 分类器。
_Run_pyWeka.py 运行所有其他 Python 脚本。 Params.csv 定义了计算的所有参数，例如输出文件夹、初始数据集文件、数据集缩放、数据集转换（CSV 到 ARFF）、类过滤器、使用分类截止值输出结果等。
西班牙拉科鲁尼亚大学开发
2021-12-10 17:12:32
18KB
1
用于升压DC-DC转换器的闭环PI控制器。
开关频率Fsw = 5000Hz和采样频率Fs = 100000 （均保存在Model Worksapce中）。
负载电阻R = 20欧姆＆ Vin = 10Volt 。
L和C的设计宗旨是：
C> D /（R *（dVo / Vo）* Fsw）
L>（D *（1-D）^ 2 * R）/（2 * Fsw）
D从（D = 1-（Vin / Vo））计算得出，其中Vin = 10V，输出电压Vo = 80V
（dVo / Vo）= 0.01（代表Vo的1％波动）。
升压设计的参考资料可在教科书（《电力电子》，作者丹尼尔·W·哈特（ Daniel W. Hart ））中找到。
任何PID tuniung方法都可以用于此应用程序，例如（Zigler Nochlas方法）或手动方法，例如跟踪和误差调整。
2021-12-08 22:46:40
32KB
1
以Buck-Boost PWM开关转换器为例应用表1中PWM转换器（CCM模式）的规范型电路模型参数可得
由式（12-33）可知，当ui=0时，Buck-Boost PWM开关转换器的控制-输出传递函数为
在式（12-34）中，出现负号是因为Buck-Boost转换器的输出电压极性是负的，（图中的Buck-Boost PWM转换器的二极管接法与Boost转换器相反）。因此Buck-Boost电路也称为inverting电路，由式（12－34）可知，在Buck¨Boost转换器的控制一输出函数中，有一个右半平面（Right Half Plane，RHP）零点，由Bu
2021-12-08 21:50:21
58KB
1