小虫象棋团队在吸收2010年版的优秀知识的基础上，使用最新的位棋盘技术重新编写了整个引擎，同时采用了最先进的搜索算法，引擎的运行效率提高了200%以上，直接的棋力提升更是高达400等级分，在与一些知名象棋软件的对抗测试中，取得极高的胜率。
小虫象棋取得飞跃性的进步，还得益于领先的审局体系。
小虫象棋的审局体系与传统引擎有较大区别。
2016年AlphaGo以4比1的总比分大胜世界冠军李世石，此后更化身master现身野狐，横扫人类顶尖高手，未逢敌手。
小虫象棋团队充分自创了AlphaGo的论文，在深度学习专家3DChess作者的推动下，建立了基于深度学习的参数优化模型，在一定程度上实现了审局参数自动优化，同时发现尚未被人类总结的象棋知识。
总体而言，小虫象棋棋风细腻，能攻善守，防守时稳健，攻杀时凶猛。
小虫象棋对中国象棋的各种典型杀法的审局处理比较到位，能很好地抓住对方的防守漏洞，必要时弃子攻杀，一举擒王。
在局势处于下风时防守顽强，往往能化险为夷。
由于小虫象棋团队现阶段将研究重心放在审局优化上，暂不支持残局库。
但计划在半年内陆续支持基本的残局库和审局库。
小虫象棋取得飞跃性的进步，还得益于领先的审局体系。
小虫象棋的审局体系与传统引擎有较大区别。
2016年AlphaGo以4比1的总比分大胜世界冠军李世石，此后更化身master现身野狐，横扫人类顶尖高手，未逢敌手。
小虫象棋团队充分自创了AlphaGo的论文，在深度学习专家3DChess作者的推动下，建立了基于深度学习的参数优化模型，在一定程度上实现了审局参数自动优化，同时发现尚未被人类总结的象棋知识。
总体而言，小虫象棋棋风细腻，能攻善守，防守时稳健，攻杀时凶猛。
小虫象棋对中国象棋的各种典型杀法的审局处理比较到位，能很好地抓住对方的防守漏洞，必要时弃子攻杀，一举擒王。
在局势处于下风时防守顽强，往往能化险为夷。
由于小虫象棋团队现阶段将研究重心放在审局优化上，暂不支持残局库。
但计划在半年内陆续支持基本的残局库和审局库。
2023/1/11 17:05:26
23.47MB
1
CM-20948器件设有9轴集成、片上DMP和运行时间校准固件。
其他特性包括片上16位ADC、可编程数字滤波器、嵌入式温度传感器和可编程中断。
该器件设有I2C和SPI串行接口以及独立的数字IO电源，VDD工作范围为1.71V至3.6V，VDDIO为1.71V至1.95V。
借助高达100kHz（标准模式）或400kHz（快速模式）的I2C，或者高达7MHz的SPI，可与器件的所有寄存器进行通信。
该器件具有20,000g的冲击可靠性，因而十分稳健。
其他特性包括片上16位ADC、可编程数字滤波器、嵌入式温度传感器和可编程中断。
该器件设有I2C和SPI串行接口以及独立的数字IO电源，VDD工作范围为1.71V至3.6V，VDDIO为1.71V至1.95V。
借助高达100kHz（标准模式）或400kHz（快速模式）的I2C，或者高达7MHz的SPI，可与器件的所有寄存器进行通信。
该器件具有20,000g的冲击可靠性，因而十分稳健。
2018/3/2 5:45:02
2.98MB
1
近年来卷积神经网络框架被成功地应用到目标跟踪领域,并取得了较为稳健的跟踪结果。
基于此思想,提出一种基于定位-分类-匹配模型的目标跟踪方法。
首先,在定位模型中,利用前一帧的位置信息预测当前帧中的候选目标区域。
然后,采用已训练的深度特征对候选区域进行类间筛选,选出N个次优目标区域。
最后,利用常规颜色特征对次优目标区域进行类内寻优匹配,从而确定最终的跟踪目标。
与此同时,分别对定位、分类中的网络进行更新,并对建立的匹配模型进行在线实时更新,使得其对目标的描述愈加准确。
在OTB50和OTB100标准数据库上进行实验测试,结果表明,提出的跟踪方法在快速运动、相似物体干扰、复杂背景等条件下具有较好的跟踪稳健性。
基于此思想,提出一种基于定位-分类-匹配模型的目标跟踪方法。
首先,在定位模型中,利用前一帧的位置信息预测当前帧中的候选目标区域。
然后,采用已训练的深度特征对候选区域进行类间筛选,选出N个次优目标区域。
最后,利用常规颜色特征对次优目标区域进行类内寻优匹配,从而确定最终的跟踪目标。
与此同时,分别对定位、分类中的网络进行更新,并对建立的匹配模型进行在线实时更新,使得其对目标的描述愈加准确。
在OTB50和OTB100标准数据库上进行实验测试,结果表明,提出的跟踪方法在快速运动、相似物体干扰、复杂背景等条件下具有较好的跟踪稳健性。
2018/11/13 7:13:26
11.2MB
1
分子振动谱广泛应用于化合物分子结构的测定、未知物的鉴定以及混合物成分的分析，是传感识别物质性质和特征的重要指纹。
提出了基于石墨烯带阵列的分子振动谱传感模型，并采用数值仿真方法对模型进行了验证。
结果表明，通过调节石墨烯带的化学势、阵列周期以及占空比，可以灵活地调控石墨烯带阵列的透射带宽；
通过在检测区填充物质，发现透射谱的外形与被检测物的分子吸收谱一致，表明该传感器能够识别物质分子的振动指纹；
透射谱的外形对检测区域填充物质的厚度不敏感，传感器的稳健性好。
提出了基于石墨烯带阵列的分子振动谱传感模型，并采用数值仿真方法对模型进行了验证。
结果表明，通过调节石墨烯带的化学势、阵列周期以及占空比，可以灵活地调控石墨烯带阵列的透射带宽；
通过在检测区填充物质，发现透射谱的外形与被检测物的分子吸收谱一致，表明该传感器能够识别物质分子的振动指纹；
透射谱的外形对检测区域填充物质的厚度不敏感，传感器的稳健性好。
2018/10/10 5:07:20
2.53MB
1
robustadaptivebeamformingusingworst-caseperformanceoptimization:asolutiontothesignalmismatchproblem对应的程序代码，供大家学习使用。
2022/9/7 15:56:21
3KB
1
基于小波变换（DWT）提出了一种将数字图像隐藏在音频信号中的音频信号的水印设计，以音频信号为载体，将秘密信号嵌入载体音频信号当中，实现音频信号的水印。
采用变换域小波变换（DWT）的技术，将音频信号进行小波变换，提取出低频分量，然后将水印嵌入到音频信号的低频当中。
通过基于小波变换的分层水印提取过程对数字图像嵌入到原始音频载体信号中，实现了数字图像水印的多重嵌入和提取，利用MATLAB软件实现一个完整的水印算法，进行功能仿真结果的对比，该算法实现的多重水印具有较好的稳健性和不可察觉性。
采用变换域小波变换（DWT）的技术，将音频信号进行小波变换，提取出低频分量，然后将水印嵌入到音频信号的低频当中。
通过基于小波变换的分层水印提取过程对数字图像嵌入到原始音频载体信号中，实现了数字图像水印的多重嵌入和提取，利用MATLAB软件实现一个完整的水印算法，进行功能仿真结果的对比，该算法实现的多重水印具有较好的稳健性和不可察觉性。
2022/9/5 1:47:48
13.67MB
1
针对现有计算机视觉对交通路标识别的复杂性和不稳定性的问题，通过运用图像轮廓识别技术，提出了由全局特征到局部特征再到结构特征的多层次轮廓识别，在交通路标的识别过程中，分别构造了图像密度、外形度量、光滑程度和轮廓熵值4个层次的图像轮廓，同时结合Sobel算子和信息熵对交通路标图像进行了提取与分块处理。
通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；
在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，外形度量为1.3和2.4时，NRSS分别为0.3712和0.2667。
这种层次化的轮廓分析在路标的识别上具有较好的稳健性。
通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；
在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，外形度量为1.3和2.4时，NRSS分别为0.3712和0.2667。
这种层次化的轮廓分析在路标的识别上具有较好的稳健性。
2016/7/23 15:33:26
744KB
1
针对基于机器视觉的农业导航机器人在图像处理时易受光照变化影响和常规导航线检测算法实时性、稳健性不高等问题，提出了YCrCg颜色模型，选择该颜色模型中与光照无关的Cg分量进行后续图像处理，采用基于二维直方图的模糊C均值聚类法(FCM)进行图像分割，并根据图像中作物行的特点，提出了基于直线扫描的作物行直线检测算法。
该算法将图像底边和顶边像素点作为直线的两个端点，通过移动上下端点位置产生不同斜率直线，选择包含目标点最多的直线作为作物行中心线。
实验表明，不同光照下基于YCrCg颜色模型的图像分割可以有效地识别出作物行，处理一幅640pixel×480pixel图片耗时约为16.5ms，直线扫描算法能快速精确的检测出导航线，与最小二乘法、Hough变换等算法相比具有速度快、抗干扰性强等优点。
该算法将图像底边和顶边像素点作为直线的两个端点，通过移动上下端点位置产生不同斜率直线，选择包含目标点最多的直线作为作物行中心线。
实验表明，不同光照下基于YCrCg颜色模型的图像分割可以有效地识别出作物行，处理一幅640pixel×480pixel图片耗时约为16.5ms，直线扫描算法能快速精确的检测出导航线，与最小二乘法、Hough变换等算法相比具有速度快、抗干扰性强等优点。
2020/4/17 11:09:47
4.05MB
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