针对国内数控改造所面临的一个实际问题,首先提出以PLC为控制核心的控制系统的总体方案,然后详细地描述了控制系统软、硬件的具体设计步骤,最后成功地实现了X-Y数控工作台的PLC精确控制,并通过实验验证了该控制系统的可行性。
2025/1/26 22:31:42 279KB PLC; X-Y 数控工作台; 控制系统
1
给一个学妹写的生日祝福,利用vb.net实现相关功能。
在最后结尾处利用sapi函数实现了让电脑读出相关字符串的内容。
可以根据源码修改,进行表白程序开发。
2025/1/26 15:29:20 3.25MB vb.net 生日祝福
1
东北大学陈默用户界面设计最后的大作业
2025/1/26 15:13:07 424KB 东北大学 陈默 用户界面设计
1
智能垃圾桶毕业设计论文,仅供参考。
本论文主要设计研究新型的智能垃圾桶电路,其主要特点是以STC89C52单片机为核心,实现一个自动感应垃圾桶系统的功能。
本文对每个模块逐一进行了研究,并对各种方案进行了全面的分析和论证,全面详细地论述了硬件电路的设计流程。
对本设计中人体感应模块、舵机工作原理及功能进行了详细的说明。
另外还介绍了51单片机软编写的流程:流程图编写的方法,以及开发环境Keil的使用介绍,下载软件的操作方法。
最后介绍了电子电路的基本调试步骤和调试中的注意事项,并演示了实物的操作。
2025/1/26 12:30:47 501KB 智能垃圾桶 毕业设计论文
1
word2vec中的数学原理详解,由于CSDN上的文章作者仅仅贴了图片,不方便读者打印查阅,这里给出了可以直接打印的pdf文档,供读者查阅和收藏。
CSDN上文章链接:http://www.cnblogs.com/peghoty/p/3857839.html最后,再次感谢这篇文章的作者,使我们小白少走弯路,可以说是目前最好的word2vec入门教材。
2025/1/25 22:55:19 13.56MB word2vec
1
深度强化学习是人工智能领域的一个新的研究热点.它以一种通用的形式将深度学习的感知能力与强化学习的决策能力相结合,并能够通过端对端的学习方式实现从原始输入到输出的直接控制.自提出以来,在许多需要感知高维度原始输入数据和决策控制的任务中,深度强化学习方法已经取得了实质性的突破.该文首先阐述了三类主要的深度强化学习方法,包括基于值函数的深度强化学习、基于策略梯度的深度强化学习和基于搜索与监督的深度强化学习;其次对深度强化学习领域的一些前沿研究方向进行了综述,包括分层深度强化学习、多任务迁移深度强化学习、多智能体深度强化学习、基于记忆与推理的深度强化学习等.最后总结了深度强化学习在若干领域的成功应用和未来发展趋势.
1
智慧交通是人民对美好生活的向往之一。
智慧交通从安全、效率、节能等方面改善人民的出行体验,无人驾驶的发展和普及进一步改变人们的生活方式。
智慧交通业务丰富,面对不同的应用场景,需要专属的解决方案。
网络联接、实时通信是智慧交通的基础。
5G赋能智慧交通,将车、路、人、云连接起来,形成一张可随时通信、实时监控、及时决策的智能网络。
在“端—管—云”新型交通架构下,车端和路端将实现基础设施的全面信息化,形成底层与顶层的数字化映射;
5G与C-V2X联合组网构建广覆盖与直连通信协同的融合网络,保障智慧交通业务连续性;
人工智能和大数据实现海量数据分析与实时决策,建立智能交通的一体化管控平台。
中国联通在积极部署5G网络的同时,也将智慧交通作为5G的重点应用行业。
积极参与5GPP、5GAA、CCSA及IMT2020等国内外重点标准组织的标准研究和技术推进工作。
在智慧交通产业链日渐成熟的今天,中国联通开展了包括远程驾驶、编队行驶等典型智慧交通业务的应用示范,并重点参与了科技冬奥、常州车联网示范区、重庆车联网示范区等智慧交通项目,推动5G车联网的应用落地。
本白皮书从智慧交通的现状与需求出发,提出基于5G的“车-路-云”协同的智慧交通网络架构,并介绍了实现智慧交通的关键技术,最后给出基于5G的智慧交通典型案例。
我们期望与产业各界共同探讨智慧交通的发展路线及合作模式,共同推动智慧交通和智慧城市的快速发展。
欢迎各界同仁提出修改意见和建议。
2025/1/22 21:04:39 2.05MB 5G 智慧交通
1
结合高光谱数据和深度学习的特点,提出一种同时考虑像素光谱信息和空间信息的深度卷积神经网络框架。
该框架主要步骤如下:首先利用主成分分析法对高光谱遥感图像进行光谱特征提取,消除特征之间的相关性,并降低特征维数,获得清晰的空间结构;
然后利用深度卷积神经网络对输入的样本进行空间特征提取;
最后通过学习到的高级特征进行回归训练
2025/1/22 10:55:54 3.25MB 深度学习 高光谱图像 分类
1
js加签一般都没有问题,我就是加签之后上传的问题弄了两个礼拜,最后弄清楚了。
以下是数据上报海关方法,我用的是.net的web方式:1.添加三个引用,见dll文件夹。
2.加载我写的类:两个cs文件(放到web目录下)3.组织上报数据实体格式如下publicclasspayExchangeInfoLists{publicstringorderNo{get;set;}//String订单编号publicListgoodsInfo{get;set;}//List商品信息publicstringrecpAccount{get;set;}//String收款账号publicstringrecpCode{get;set;}//String收款企业代码publicstringrecpName{get;set;}//String收款企业名称}publicclassgoodsInfo{publicstringgname{get;set;}//String商品名称publicstringitemLink{get;set;}//String商品展示链接地址}publicclasspayExchangeInfoHead{publicstringguid{get;set;}//String系统唯一序号publicstringinitalRequest{get;set;}//String原始请求publicstringinitalResponse{get;set;}//String原始响应publicstringebpCode{get;set;}//String电商平台代码publicstringpayCode{get;set;}//String支付企业代码publicstringpayTransactionId{get;set;}//String交易流水号publicdoubletotalAmount{get;set;}//double交易金额publicstringcurrency{get;set;}//String币制publicstringverDept{get;set;}//String验核机构publicstringpayType{get;set;}//String支付类型publicstringtradingTime{get;set;}//String交易成功时间publicstringnote{get;set;}//String备注}publicclasspayExInfoStr{publicstringsessionID{get;set;}//stringYIn海关发起请求时,平台接收的会话ID。
publicpayExchangeInfoHeadpayExchangeInfoHead{get;set;}//StringYIn支付原始数据表头publicListpayExchangeInfoLists{get;set;}//ListYIn支付原始数据表体publicstringserviceTime{get;set;}//LongYIn返回时的系统时间publicstringcertNo{get;set;
2025/1/22 6:08:02 74KB 179海关上
1
基于MATLAB的adaboost算法,先对训练集进行训练,然后对测试集进行测试,最后得出采用adaboost算法对样本进行处理的错误率,最后得出比较图形。
2025/1/21 11:24:47 262KB adaboost 训练集 测试集 错误率
1
共 1000 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡