基于A*算法的机器人路径规划的MATLAB实现程序源代码，可自由选择地图和起一直止点。
内容包括以下资源。
Maps a_star.m checkPath.m feasiblePoint.m heuristic.m historic.m README.md
内容包括以下资源。
Maps a_star.m checkPath.m feasiblePoint.m heuristic.m historic.m README.md
2021/2/21 18:31:15
36KB
1
卷积神经网络Lenet5深度学习，机器学习，训练数据集MNIST，测试集错误率可以到1.06%，C++完成VC完成C++源代码VC源代码
2018/3/12 21:46:21
11.14MB
1
机器人控制仿真程序，全书以机器人为对象，共分10章，包括先进PID控制、神经网络自顺应控制、模糊自顺应控制、迭代学习控制、反演控制、滑模控制、自顺应鲁棒控制、系统辨识和路径规划。
每种方法都给出了算法推导，实例分析和相应的MATLAB仿真设计程序
每种方法都给出了算法推导，实例分析和相应的MATLAB仿真设计程序
2015/1/25 9:40:32
1.14MB
1
递归神经网络(RNN)近些年来被越来越多地应用在机器学习领域，尤其是在处理序列学习任务中，相比CNN等神经网络功能更为优异。
但是RNN及其变体，如LSTM、GRU等全连接网络的计算及存储复杂性较高，导致其推理计算慢，很难被应用在产品中。
一方面，传统的计算平台CPU不适合处理RNN的大规模矩阵运算；
另一方面，硬件加速平台GPU的共享内存和全局内存使基于GPU的RNN加速器的功耗比较高。
FPGA由于其并行计算及低功耗的特性，近些年来被越来越多地用来做RNN加速器的硬件平台。
对近些年基于FPGA的RNN加速器进行了研究，将其中用到的数据优化算法及硬件架构设计技术进行了总结介绍，并进一步提出了未来研究的方向。
但是RNN及其变体，如LSTM、GRU等全连接网络的计算及存储复杂性较高，导致其推理计算慢，很难被应用在产品中。
一方面，传统的计算平台CPU不适合处理RNN的大规模矩阵运算；
另一方面，硬件加速平台GPU的共享内存和全局内存使基于GPU的RNN加速器的功耗比较高。
FPGA由于其并行计算及低功耗的特性，近些年来被越来越多地用来做RNN加速器的硬件平台。
对近些年基于FPGA的RNN加速器进行了研究，将其中用到的数据优化算法及硬件架构设计技术进行了总结介绍，并进一步提出了未来研究的方向。
2017/3/13 16:19:19
1.39MB
1
ApacheStorm（apache-storm-2.3.0-src.zip源码）是一个免费的开源分布式实时计算系统。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
2016/11/13 21:51:24
55.72MB
1
ApacheStorm（apache-storm-2.3.0-src.tar.gz源码）是一个免费的开源分布式实时计算系统。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
ApacheStorm可以轻松可靠地处理无限制的数据流，实时处理就像Hadoop进行批处理一样。
ApacheStorm很简单，可以与任何编程语言一起使用，而且使用起来非常有趣！ApacheStorm有很多用例：实时分析、在线机器学习、连续计算、分布式RPC、ETL等等。
ApacheStorm速度很快：基准测试显示每个节点每秒处理超过一百万个元组。
它具有可扩展性、容错性，保证您的数据将得四处理，并且易于设置和操作。
ApacheStorm与您已经使用的队列和数据库技术集成。
ApacheStorm拓扑使用数据流并以任意复杂的方式处理这些流，根据需要在计算的每个阶段之间对流进行重新分区。
在教程中阅读更多内容。
2016/7/9 10:52:24
41.11MB
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