手写数学表达识别该项目旨在识别，划分，分类和解析手写数学表达式。
*项目的第一阶段，即单个数学符号的分类以及垃圾拒绝已于2018年3月5日完成。
*项目的第二阶段，即将表达式分割成单个符号并传递给分类器引擎，已于2018年4月8日完成。
第三阶段，项目的最初阶段已经完成。
此阶段构建了一个解析器，该解析器采用分类的符号并将它们编织成逻辑上正确的数学表达式。
为了进行训练，使用了CROHME数据集：://www.isical.ac.in/~crohme/CROHME_data.html请在项目中找到README.txt文件，以获取提取特征和运行模型的说明。
有关功能和模型的更多
*项目的第一阶段，即单个数学符号的分类以及垃圾拒绝已于2018年3月5日完成。
*项目的第二阶段，即将表达式分割成单个符号并传递给分类器引擎，已于2018年4月8日完成。
第三阶段，项目的最初阶段已经完成。
此阶段构建了一个解析器，该解析器采用分类的符号并将它们编织成逻辑上正确的数学表达式。
为了进行训练，使用了CROHME数据集：://www.isical.ac.in/~crohme/CROHME_data.html请在项目中找到README.txt文件，以获取提取特征和运行模型的说明。
有关功能和模型的更多
2019/2/13 19:12:34
131KB
1
数据结构课程设计：表达式求值，C++实现输入一串的数学表达式，可以计算+-*/^五个运算符并且有检测错误功能，异样适用于小数计算...
2018/3/25 22:20:52
1.86MB
1
一、实验要求采用三层前馈BP神经网络实现标准人脸YALE数据库的识别，编程语言为C系列语言。
二、BP神经网络的结构和学习算法实验中建议采用如下最简单的三层BP神经网络，输入层为，有n个神经元节点，输出层具有m个神经元，网络输出为,隐含层具有k个神经元，采用BP学习算法训练神经网络。
BP神经网络的结构BP网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只需用已知的模式对BP网络加以训练，网络就具有输入输出对之间的映射能力。
BP网络执行的是有教师训练，其样本集是由形如（输入向量，期望输出向量）的向量对构成的。
在开始训练前，所有的权值和阈值都应该用一些不同的小随机数进行初始化。
二、BP神经网络的结构和学习算法实验中建议采用如下最简单的三层BP神经网络，输入层为，有n个神经元节点，输出层具有m个神经元，网络输出为,隐含层具有k个神经元，采用BP学习算法训练神经网络。
BP神经网络的结构BP网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只需用已知的模式对BP网络加以训练，网络就具有输入输出对之间的映射能力。
BP网络执行的是有教师训练，其样本集是由形如（输入向量，期望输出向量）的向量对构成的。
在开始训练前，所有的权值和阈值都应该用一些不同的小随机数进行初始化。
2018/5/5 13:21:11
5.68MB
1
数学建模法是指用数学方法，运用几何知识（极坐标）把圆上的点和两个电机所在的位置联系起来，通过相关计算把圆上的点的坐标用数学表达式表示出来，并转换成电机所要转动的偏移量，最后把偏移量转化为电机所要转的速度。
此方法，计算复杂，但所得数据较为准确，只需编程正确，用电机所画出来的线就不会编差大。
此方法，计算复杂，但所得数据较为准确，只需编程正确，用电机所画出来的线就不会编差大。
2019/6/6 20:53:18
694KB
1
1）推导出刨头上C点的的数学表达式；
（2）打印出的数值，并绘出相应的曲线；
（3）打印计算程序及其阐明。
（4）利用ADAMS建立该机构的虚拟样机，并测量
（2）打印出的数值，并绘出相应的曲线；
（3）打印计算程序及其阐明。
（4）利用ADAMS建立该机构的虚拟样机，并测量
2021/3/18 10:35:03
349KB
1
针对准循环低密度奇偶校验(QC-LDPC)码中准循环基矩阵的移位系数确定问题,该文提出基于等差数列(AP)的确定方法。
该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。
研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。
同时表明在加性高斯白噪声(AWGN)信道和相信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3dB。
该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。
研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。
同时表明在加性高斯白噪声(AWGN)信道和相信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3dB。
2022/9/6 11:26:54
126KB
1
1能够实现基本的加减乘除运算，区分乘除、加减的优先级别，并实现括号的优先级别，运算符的混合运算都能基本实现；
2.界面上设置了多个函数，当界面上无数字时，按下键位就能够得到这个数的对应值；
3.添加了一个error报错函数，当算式不合乎正常数学表达式时就能弹出提示“表达式错误”消息框；
4.添加了二进制、八进制、十六进制等进制，可以相互之间切换，并每个进制都能进行该进制的计算。
2.界面上设置了多个函数，当界面上无数字时，按下键位就能够得到这个数的对应值；
3.添加了一个error报错函数，当算式不合乎正常数学表达式时就能弹出提示“表达式错误”消息框；
4.添加了二进制、八进制、十六进制等进制，可以相互之间切换，并每个进制都能进行该进制的计算。
2022/9/3 19:42:19
3.42MB
1
4．5喷涂机器人喷枪轨迹生成根据喷涂机器人喷涂工艺的要求，喷枪到工件表面的垂直距离为H，喷枪的运动轨迹参数可采用如下偏置算法获取：1)如图4．13所示，对采样点Q沿法矢量方向偏置距离H，可以得到采样点以的偏置点q，数学表达式如下：q咖嘣(4．17)其中。
i包含坐标值和单位法矢量一南两种信息，也即触IJ了喷枪在点。
i的位置和方向。
2)用同样的方法遍历采样点集Q中所有的点可以得到偏置点集O，从而整个点集O包含的信息就代表了喷枪在喷涂过程中所在运转曲面上的轨迹参数(位置和方向)。
Ql图4-13喷枪的轨迹参数60
i包含坐标值和单位法矢量一南两种信息，也即触IJ了喷枪在点。
i的位置和方向。
2)用同样的方法遍历采样点集Q中所有的点可以得到偏置点集O，从而整个点集O包含的信息就代表了喷枪在喷涂过程中所在运转曲面上的轨迹参数(位置和方向)。
Ql图4-13喷枪的轨迹参数60
2021/5/22 9:50:12
3.91MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB