2D图像处理

ARMA模型时间序列分析法简称为时序分析法，是一种利用参数模型对有序随机振动响应数据进行处理，从而进行模态参数识别的方法。参数模型包括AR自回归模型、MA滑动平均模型和ARMA自回归滑动平均模型

此ppt分别从脉冲神经元、编码方式、学习策略以及总结展望四个方面对SNN进行讲解，并刨析了两篇基础论文。

机器学习模型的python与类库实现 本repo以李航博士的《统计学习方法》为路线，逐章讲解并实现其中所有的算法；从而，再加上常用的机器学习模型，例如GBDT，XGBoost，Light GBM，FM，FFM等，力争将传统的机器学习方法能够融汇互换 :party_popper: 。 统计学习方法｜感知机模型 模型理论讲解： 模型代码实现： ， 统计学习方法｜ K近邻 模型理论讲解： 模型代码实现： ， 统计学习方法｜朴素贝叶斯 模型理论讲解： 模型代码实现： ， 统计学习方法｜决策树 模型理论讲解： 模型代码实现： ， 统计学习方法｜ logistic回归 模型理论讲解： 模型代码实现： ， 机器学习｜ softmax 模型理论 模型代码实现： 统计学习方法｜最大熵模型 模型理论讲解： 模型代码实现： 统计学习方法｜支持向量机 模型理论讲解： 模型代码实现： ， 统计学习方法｜

1.CNN基础结构 2.卷积操作细节讲解 3.图像基础知识 4.池化操作 可以不可以模仿人类大脑的这个特点，构造多层的神经网络，较低层的识别初级的图像特征，若干底层特征组成更上一层特征，最终通过多个层级的组合，最终在顶层做出分类呢？ 答案是肯定的，这也是许多深度学习算法（包括CNN）的灵感来源

本文档详细讲解了AVR单片机的串口通信的原理，及编程过程中寄存器的设置

拉丁超立方体抽样

深度强化学习的原理及其分类价值学习（DQN）、策略学习、Actor-critic原理讲解

本人最近DIY了一款HAKKO 936焊台的温控电路板，使用uPC1701C+uPC324C的方案，并对原版电路做了两项改进。 改进1:原版温控板没有设置用于电源指示的LED，使得在空载时容易被我们认为焊台已关机，忘记关闭焊台是比较危险的，所以做出这项改进。 改进2:原版温控板的uPC1701C芯片的供电电压较高，基本达到了极限值（9V），所以将原版温控板的阻值为680Ω的R10电阻更换为3.0V稳压二极管， 使得uPC1701C芯片的供电电压降至8.4V，降低芯片发热，延长芯片使用寿命。 注:uPC1701C可以用KA2804或者UTC产的A2804L直接替换。uPC324C可用LM324替换。AC05D可控硅可用BTA08-600C或BTA10-600C代替，塑料插座可以用PLT-165-R替换，将907烙铁手柄上的插头换成PLT-165-P即可。 A2804L-D08-T 购买链接:https://www.szlcsc.com/product/details_100024.html 白光936焊台温控板实物展示: 在某宝上买一套外壳和一只907手柄，变压器铁心型号EI66，输入220V 50Hz，输出24V，组装后的样子: 附件内容截图: 说明: 该设计资料来源于立创社区，设计资料仅供学习参考，不可用于商业用途。 温度测试视频 https://v.youku.com/v_show/id_XMjY3MzU1MjAwOA==.htm...

本文档内含模电常用且通用集成运算放大器LM324，包括其硬件数据手册，PPT版电路与原理讲解，还有我针对于LM324进行的有关同向比例运算放大器与反向比例运算放大器的实验结果讲解以及最后得出的结论。