在避障路径规划文章中，介绍了障碍物在关节空间的映射环节。这是采用Matlab编写的障碍物映射代码，映射完成后下一步可利用算法进行路径规划。
2022-10-10 11:19:07
3KB
1
航迹相关算法matlab代码programming_notes
面向ISTD学生的入门包
目录：
学习计算机科学的内容。
供计算机科学家学习和获取更新的平台。
如何从头开始学习计算机科学。
以及在ISTD中学习每个曲目的知识。
这是关于chrome上的一些应用程序，这些应用程序可以使您效率更高
LaTeX学习资源
CUDA安装以及与GPU相关的命令
美化您的计算机
如何使用jupyter
notebook等命令运行docker
版本控制命令以及更多实用程序
如何使用GoogleCloud以及一些资源
与linux相关的命令和学习资源，例如为实验设置环境等。
数据科学学习资源
使用Python面试问题以及如何准备问题
关于python不同功能的清单。
如何使用conda和pip命令和学习资源
Term3数字世界笔记
从csv文件下载网址，这有时对收集数据很有用。
如何学习python
如何使用python调试器
python魔术方法。
python
pep8和Google代码样式指南
学习SQL资源
每种以各种语言实现的动态编程语言。
不同的算法及其经典示例
被创造
Java设计模式及其
2022-10-09 19:24:38
41.21MB
1
用微生物中存在的运动因子修改的细胞 PSO 技术的代码和已发表论文。 请作者利用该算法并引用与此相关的论文。
2022-10-09 17:56:52
723KB
1
cg法matlab代码GPUTUM：有限元求解器
GPUTUM
FEM解算器是为解决FEM线性系统而编写的C
++
/
CUDA库。
它旨在通过使用GPU硬件快速解决FEM系统。
该代码由美国盐湖城犹他大学科学计算与成像研究所的Zhisong
Fu和T.
James
Lewis编写。
该代码背后的理论发表在下面的链接中。
目录
-[FEM知识]（＃fem-aknowledgements）-[需求]（＃requirements）-[建筑物]（＃building）
-[Linux和OSX]（＃linux-and-osx）
-[Windows]（＃windows）
-[运行示例]（＃running-examples）-[使用库]（＃using-the-library）-[测试]（＃testing）
有限元知识
****
作者：
付志松（
a
）
詹姆斯·刘易斯（
b
）
罗伯特·M·柯比（
a
）
罗斯·惠特克（
a
）
该库可解决GPU上四面体或三角形网格上顶点的偏微分方程和系数值。
支持多种网格格式，并由和读取。
用于分割非结构化网格。
用于测试。
要求
Git，CMake（推荐3.0+
2022-10-09 16:12:55
1.5MB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真模型及运行结果
2022-10-09 13:10:00
447KB
1
isodata的matlab代码博客
ISODATA
ISODATA聚类算法
2022-10-09 02:08:39
2KB
1
采用RRT算法，进行两点间的避障路径规划。
包括随机树生长和路径生成两部分。
加入了生成gif的代码，可以形成gif用于更好的展示结果。
2022-10-08 14:46:48
4KB
1
欧拉公式求长期率的matlab代码RELION代码存储库
绘制3D重建的欧拉角分布
给定Relion的输出.star文件，您可以通过使用UCSF
Chimera打开.bild文件来可视化欧拉角。
另外，如果您想为任何欧拉角生成一维直方图，或者为两个特定欧拉角生成二维热图，则可以使用plot_indivEuler_histogram_fromStarFile.py
：
$
Relion/plot_indivEuler_histogram_fromStarFile.py
Usage:
plot_indivEuler_histogram_fromStarFile.py
--starfile=
Options:
-h,
--help
show
this
help
message
and
exit
--starfile=FILE
Relion
star
file
(data.star)
--rlnEuler=STRING
Name
of
Relion
euler
angle
designation:
AngleRot,AngleTilt,
AnglePsi.
2022-10-08 14:10:54
87KB
1
smote的matlab代码ND
DIAL：不平衡算法
用于不平衡学习的基于
Python
的极简算法实现。
包括深度和表征学习算法（通过
TensorFlow
实现）。
下面是当前实现的方法的列表。
欠采样
带/不带替换的随机多数欠采样
过采样
SMOTE
-
合成少数过采样技术
DAE
-
去噪自编码器
(
TensorFlow
)
GAN
-
生成对抗网络
(
TensorFlow
)
VAE
-
变分自动编码器（
TensorFlow
）
集成采样
RAMOBoost
RUSBoost
SMOTEBoost
参考：
:
NV
Chawla、KW
Bowyer、LO
Hall
和
P.
Kegelmeyer。
“SMOTE：合成少数过采样技术。”
人工智能研究杂志
(JAIR)，2002。
：P.
Vincent、H.
Larochelle、I.
Lajoie、Y.
Bengio
和
P.-A.
曼扎戈尔。
“堆叠降噪自动编码器：在具有局部降噪标准的深度网络中学习有用的表示”。
机器学习研究杂志
(JMLR)，2010
年。
：IJ
Goodfellow、J.
Pouget-Ab
2022-10-08 10:58:36
28KB
1