stm32步进电机驱动，包括库函数和寄存器两种版本，可控制步数和速度，正反转等
2024/9/13 2:42:15
3.21MB
1
在主线程开启子线程初始化，读写串口数据，有数据就读，提取有效数据，并用信号将数据传送给主线程，创建界面对象，主线程通过开关按钮槽函数控制串口的打开关闭，图形的显示以及暂停，实时刷新波形。
串口读取数据参考了博友的代码。
串口读取数据参考了博友的代码。
2024/9/13 2:07:31
26KB
1
运用面向对象方法设计点类和平面图形类（含点类成员），并由后者派生设计圆类（含圆心、半径）、正方形类（含左上角顶点、边长）与矩形类（含左上角顶点、长和宽）、三角形类（含三个顶点）；
同时为有关类设计构造函数、成员数据设置/提取操作函数、顶点显示函数及周长与面积计算函数，其中顶点显示函数及周长与面积计算函数在平面图形类中应定义为纯虚函数。
在主函数中，分别创建各类对象，调用和执行相关成员函数，观察并分析程序运行结果。
同时为有关类设计构造函数、成员数据设置/提取操作函数、顶点显示函数及周长与面积计算函数，其中顶点显示函数及周长与面积计算函数在平面图形类中应定义为纯虚函数。
在主函数中，分别创建各类对象，调用和执行相关成员函数，观察并分析程序运行结果。
2024/9/12 8:08:14
2.79MB
1
将渐变波导模式方程(WKB积分方程)化为分段积分,以波导某一模式在不同波长下的转折点为分段点,当波长相差很小时,相应的转折点相差也很小,可在各个分段积分中作折线近似,从而从理论上推出确定波导轮廓数据的递推式.以所得轮廓必须满足光滑条件为判据,最后定出波导的轮廓.该方法尤其适用于单模渐变波导,而且无需事先假设待定轮廓的函数形式.本文对双曲止割和抛物线轮廓的理想波导进行了计算机模拟,结果证明该方法的精度达到10~(-3)甚至于更高.而且理论上具有分割愈密,精度愈高的优点.
2024/9/12 1:56:26
3.39MB
1
在实验中，实验和戡测常常会产生大量的数据。
为了解释这些数据或者根据这些数据做出预测、判断，给决策者提供重要的依据。
需要对测量数据进行拟合，寻找一个反映数据变化规律的函数。
数据拟合方法与数据插值方法不同，它所处理的数据量大而且不能保证每一个数据没有误差，所以要求一个函数严格通过每一个数据点是不合理的。
数据拟合方法求拟合函数，插值方法求插值函数。
为了解释这些数据或者根据这些数据做出预测、判断，给决策者提供重要的依据。
需要对测量数据进行拟合，寻找一个反映数据变化规律的函数。
数据拟合方法与数据插值方法不同，它所处理的数据量大而且不能保证每一个数据没有误差，所以要求一个函数严格通过每一个数据点是不合理的。
数据拟合方法求拟合函数，插值方法求插值函数。
2024/9/11 15:03:03
105KB
1
功能特色：1、完美的多终端适配Grace主题满足多终端浏览，足够逼格的响应式可触摸滑动的幻灯片等优点，无论您使用电脑、平板还是智能手机，Grace主题都能为您呈现完美的界面及极好的体验。
另外注意的是，为了更好的支持多终端浏览，Grace主题使用了WordPress官方响应式函数来判断每个终端设备，因此，如果使用cdn加速等，可能会照成PC、手机端浏览错乱。
建议关闭这类CDN加速的优化。
2、支持优酷/土豆等视频网站视频源播放完美支持优酷/土豆等视频网站视频源播放，平板、手机无缝自动自适应屏幕大小。
添加教程：《WordPress如何插入视频网站的视频源》3、网站配色自由搭配主题支持修改主题配色功能，自由搭配网站颜色，轻松打造属于自己style的网站。
导航栏支持滚动悬停，增加用户站内浏览时间，提高网站用户体验！4、网站速度优化主题支持缩略图支持真延迟加载，图片无需缓存到第三方CDN，网站浏览速度一样飞快飞快！！5、丰富的页面模版主题内置丰富，大气页面模版，网站地图页面、友情链接页面、类hao123式网站导航页面、点赞排行榜页面、网站标签页面。
6
另外注意的是，为了更好的支持多终端浏览，Grace主题使用了WordPress官方响应式函数来判断每个终端设备，因此，如果使用cdn加速等，可能会照成PC、手机端浏览错乱。
建议关闭这类CDN加速的优化。
2、支持优酷/土豆等视频网站视频源播放完美支持优酷/土豆等视频网站视频源播放，平板、手机无缝自动自适应屏幕大小。
添加教程：《WordPress如何插入视频网站的视频源》3、网站配色自由搭配主题支持修改主题配色功能，自由搭配网站颜色，轻松打造属于自己style的网站。
导航栏支持滚动悬停，增加用户站内浏览时间，提高网站用户体验！4、网站速度优化主题支持缩略图支持真延迟加载，图片无需缓存到第三方CDN，网站浏览速度一样飞快飞快！！5、丰富的页面模版主题内置丰富，大气页面模版，网站地图页面、友情链接页面、类hao123式网站导航页面、点赞排行榜页面、网站标签页面。
6
2024/9/11 8:07:19
75B
1
引入辅助任务信息有助于立体匹配模型理解相关知识,但也会增加模型训练的复杂度。
为解决模型训练对额外标签数据的依赖问题,提出了一种利用双目图像的自相关性进行多任务学习的立体匹配算法。
该算法在多层级渐进细化过程中引入了边缘和特征一致性信息,并采用循环迭代的方式更新视差图。
根据双目图像中视差的局部平滑性和左右特征一致性构建了损失函数,在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。
提出了一种尺度注意的空间金字塔池化,使模型能够根据局部图像特征来确定不同区域中不同尺度特征的重要性。
实验结果表明:辅助任务的引入提高了视差图精度,为视差图的可信区域提供了重要依据,在无监督学习中可用于确定单视角可见区域;在KITTI2015测试集上,所提算法的精度和运行效率均具有一定的竞争力。
为解决模型训练对额外标签数据的依赖问题,提出了一种利用双目图像的自相关性进行多任务学习的立体匹配算法。
该算法在多层级渐进细化过程中引入了边缘和特征一致性信息,并采用循环迭代的方式更新视差图。
根据双目图像中视差的局部平滑性和左右特征一致性构建了损失函数,在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。
提出了一种尺度注意的空间金字塔池化,使模型能够根据局部图像特征来确定不同区域中不同尺度特征的重要性。
实验结果表明:辅助任务的引入提高了视差图精度,为视差图的可信区域提供了重要依据,在无监督学习中可用于确定单视角可见区域;在KITTI2015测试集上,所提算法的精度和运行效率均具有一定的竞争力。
2024/9/10 3:04:09
8.11MB
1
提供一些图像处理部分函数的功能描述，对比opencv&emgucv函数对应在c#.net环境中，跨语言调用c++编写的图像处理库opencv不是很方便，需要手工再次包装此处提供函数的对应说明，让开发者可以直接用C#语言进行函数调用emgucv为opencv在.net环境的映射
2024/9/10 3:15:08
238KB
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