VScode安装包(含C/C++环境配置文件)
2024-05-17 22:00:51 122.41MB VScode安装包
1
普中51开发板(HC6800)Proteus仿真环境V2.7
2024-05-17 20:59:39 35KB proteus
1
智芯Z20K1x系列MCU环境搭建,详细使用方法可以查看我发布的博客《智芯MCU软件开发环境搭建》。
2024-05-16 21:50:33 1.13MB 环境搭建
1
1、运行环境 php版本:5.5及以上 开发工具: notepad++,sublime,phpstorm,dreamweaver,hbuilder都可 数据库: mysql 服务器: apache 集成环境: phpstudy(wamp、xampp均可) 详细技术:HTML+CSS+js+PHP+MYSQL 2、该系统包含前后台 3、管理员登录后增删改查新闻信息,前台展示新闻,图片轮播 4、共2个数据表:管理员表、新闻表 计算机毕业设计完整源码,原创设计
2024-05-16 16:15:05 8.86MB 毕业设计 mysql
1
基于kalibr docker的D435i双目及双目IMU标定环境部署及标定操作文档 相应博文可见: https://blog.csdn.net/sinat_16643223/article/details/136128828?spm=1001.2014.3001.5501 对应操作视频: https://www.bilibili.com/video/BV11y421b7Ao/?spm_id_from=333.999.0.0&vd_source=7485d91e473ff9c14cdf7554a8a9b6d1
2024-05-12 20:29:52 17.88MB D435i kalibr
1
(1)\1.课件;目录中文件数:2个 ├─2-课程内容讲解.bmpr (2)\2.资料;目录中文件数:6个 ├─elasticsearch-7.8.0-linux-x86_64.tar.gz ├─elasticsearch-7.8.0-windows-x86_64.zip ├─elasticsearch-analysis-ik-7.8.0.zip ├─elasticsearch-head-chrome-plugin.rar ├─kibana-7.8.0-windows-x86_64.zip ├─Postman-win64-8.0.6-Setup.exe (3)\3.代码;目录中文件数:2个 ├─es-test.zip ├─es集成.zip (4)\4.视频;目录中文件数:62个 ├─001 - Elasticsearch - 开篇.mp4 ├─002 - Elasticsearch - 技术选型.mp4 ├─003 - Elasticsearch - 教学大纲.mp4 ├─004 - Elasticsearch - 入门 - 环境准备.mp4 ├─005 - Elasticsearch
2024-05-12 17:35:15 216B Elasticsearch
1
设计实现一种环境检测仪,以arduino系列单片机为核心,集成温湿度传感器、超声波测距传感器、烟雾传感器、蓝牙HC-05模块及其他器件,采用C/C++语言编程实现在从机上显示测量环境数据的功能。 硬件部分:以arduino系列单片机为核心,正确连接线路,集成温湿度传感器、超声波传感器、烟雾传感器等,设计并且选择显示模块的方案。 软件部分:根据硬件部分进行编写功能代码,使得各个传感器模块能够采集信息发送到arduino开发板,再通过蓝牙模块将检测到的环境数据传送到从机上进行显示。 在本次设计中,硬件器材主要有Arduino系列单片机、温湿度传感器、超声波测距传感器、烟雾传感器、蓝牙HC-05模块。软件编程环境是Arduino IDE,Arduino可轻松创建微控制器项目。只需要USB连接,这些设备可以通过简单易用的程序轻松编程。由于Arduino IDE提供了广泛的库,因此复杂的部件(如显示器、传感器)以及软件平台(如Adafruit IO)易于使用。
matlab开发-AIRDatabase。去描述算法开发和评估的房间脉冲响应数据库
2024-05-10 10:36:55 9.66MB 环境和设置
1
IntillJ IDEA 搭建Hybris开发环境
2024-05-09 11:17:27 1013KB intellij idea hybris
1
1. 这是作者花费一周的时间,使用python写出的策略迭代和值迭代强化学习算法,以一个完整的项目发布,为解决“已知马尔科夫决策过程五元组,求最优策略”这类问题提供了算法与通用框架 2. 项目采用面向对象架构和面向抽象编程,用户可以在抽象类基础上,利用继承机制,定义新的具体环境类,测试该算法的有效性。项目还给出了unittest.Testcase的测试代码。 3. 在该项目中算法名称分别对应类:ValueIterationAgent和PolicyIterationAgent(都继承自MdpAgent),马尔科夫决策模型已知的环境抽象类MdpEnv 4. 为展示该算法的有效性,定义了一个GridWorldEnv的具体类,实现了作者博文中“在格子世界中寻宝”的最优策略的学习,并定义了一个GridWorldUI类可视化最优策略及基于最优策略的,用户可以运行住文件main.py 5. 该项目源码的最大特点是:架构合理,可维护性好,可读性强。你不断能学到这两个强化学习算法的精髓,也能够学到什么是好的python程序架构。 6.注意先阅读里面的readme.txt文件。
2024-05-08 21:56:25 329KB 强化学习 策略迭代 面向对象 python
1