适合于任何游戏的终极样条图解决方案。
只需点击几下（或编写几行代码）即可创建和编辑样条图、追寻路径、生成网格、控制粒子、编辑地形等等。
DreamteckSplines是一套高效，轻便的资源包，可帮助您满足在游戏和关卡设计上的需求，并为您节省大量时间。
主要功能：-编辑器和运行时样条图创建-埃尔米特、贝塞尔、B样条图和线性样条图-恒速跟随-网格生成-物体和粒子控制-样条图投射-移动端易用-程序化基元和预设保存-交汇-导入和导出功能-变形状态-多线程-轻松可扩展的功能-大量API文档和用户手册。
DreamteckSplines
只需点击几下（或编写几行代码）即可创建和编辑样条图、追寻路径、生成网格、控制粒子、编辑地形等等。
DreamteckSplines是一套高效，轻便的资源包，可帮助您满足在游戏和关卡设计上的需求，并为您节省大量时间。
主要功能：-编辑器和运行时样条图创建-埃尔米特、贝塞尔、B样条图和线性样条图-恒速跟随-网格生成-物体和粒子控制-样条图投射-移动端易用-程序化基元和预设保存-交汇-导入和导出功能-变形状态-多线程-轻松可扩展的功能-大量API文档和用户手册。
DreamteckSplines
2024/3/5 13:33:38
12.3MB
1
研究了1MeV和1.8MeV电子辐照下GaInPGaAsGe三结太阳电池的辐照损伤效应.电学性能研究结果表明,GaInPGaAsGe三结太阳电池的开路电压、短路电流和最大功率随辐照剂量的增加发生明显衰降,在1MeV电子辐照下剂量为1×1015cm-2时,与辐照前相比最大功率衰降了17.7%.暗I-V特性分析表明,高能电子辐照下三结电池串、并联电阻的变化是引起太阳电池电学性能衰降的重要原因.光谱响应分析结果表明,GaInPGaAsGe三结太阳电池电学性能发生明显衰降的主要原因是其GaAs子电池的严重损伤造成的,而GaAs子电池的损伤主要表现为基区底部光生载流子收集效率的明显衰降.提高GaInPGaAsGe三结太阳电池抗辐照能力的关键在于尽可能地减小GaAs子电池的基区损伤
2024/3/5 2:48:51
71KB
1
InverseDistancetoaPower（反距离加权插值法）Kriging（克里金插值法）MinimumCurvature（最小曲率）ModifiedShepard"sMethod（改进谢别德法）NaturalNeighbor（自然邻点插值法）NearestNeighbor（最近邻点插值法）PolynomialRegression（多元回归法）RadialBasisFunction（径向基函数法）TriangulationwithLinearInterpolation（线性插值三角网法）MovingAverage（移动平均法）LocalPolynomial（局部多项式法）"＞InverseDistancetoaPower（反距离加权插值法）Kriging（克里金插值法）MinimumCurvature（最小曲率）ModifiedShepard"sMethod（改进谢别德法）NaturalNeighbor（自然邻点插值法）NearestNeighbor（最近邻点插值法）PolynomialRegression（?[更多]
2024/3/3 17:18:33
30KB
1
本虚拟仪器涉及主要功能包括：双通道信号输入、触发控制、通道控制、时基控制、波形显示、参数自测量等。
本虚拟仪器的数据采集的功能与普通示波器一样；
波形显示模式：通道A或B、A+B及A-B等；
电压参数测量，时间/频率参数测量，定位标尺，测量结果显示。
由于条件有限，没有数据采集卡，我在设计数据采集时，采用了LaBVIEW内部信号发生器来产生信号；
这些发生器有正弦波发生器、方波发生器、三角波发生器、锯齿波发生器，通过这些信号的输入来进行测量。
本虚拟仪器的数据采集的功能与普通示波器一样；
波形显示模式：通道A或B、A+B及A-B等；
电压参数测量，时间/频率参数测量，定位标尺，测量结果显示。
由于条件有限，没有数据采集卡，我在设计数据采集时，采用了LaBVIEW内部信号发生器来产生信号；
这些发生器有正弦波发生器、方波发生器、三角波发生器、锯齿波发生器，通过这些信号的输入来进行测量。
2024/3/3 12:23:21
299KB
1
美国卡耐基大学垃圾邮件分类数据集，英文，已划分好正负样本。
总共有5000多条记录，适合数据挖掘，机器学习中贝叶斯分类模型等应用
总共有5000多条记录，适合数据挖掘，机器学习中贝叶斯分类模型等应用
2024/2/29 21:33:31
1.72MB
1
为了提高光伏发电功率预测的精度，本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上，提出一种基于灰色径向基函数（RadicalBasisFunction，RBF）和神经网络光伏发电功率预测模型。
该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。
最后，运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证，得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%，其预测精度均高于灰色预测算法和RBF神经网络预测算法
该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。
最后，运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证，得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%，其预测精度均高于灰色预测算法和RBF神经网络预测算法
2024/2/20 1:51:04
838KB
1
找了很久的资料才找到的书，书是高清的，美亚卖的电子版小五百块，这本书写的并联机器人的结构与控制都很不错，希望能够给大家带来帮助
2024/2/10 22:38:48
7.43MB
1
XTToolkitPro使用初探一.创建MFC的SDI或MDI应用程序在stdafx.h添加#include//XtremeToolkitProcomponentlibrary修改的CMainFrame基类，对应为CXTPMDIFrameWnd
2024/2/9 8:56:57
11.21MB
1
给定(n+1)×(m+1)个空间点阵r_ij(i=0,1,…,nj;j=0,1,…,m),双三次B样条曲面可分块表示为 r_l,k(u,v)=∑3i=0∑3j=0Ei,3(u)Ej,3(v)r(i+l)(j+k), 0≤u,v≤1,l=0,1,…,n-3,k=0,1,…,m-3(211)其中 基函数为 E0,3(t)=(-t3+3t2-2t+1)/3!, E1,3(t)=(3t3-6t2+4)/3!, E2,3(t)=(-3t3+2t2+3t+1)/3!, E3,3(t)=t3/3!变量t可用u或v代替,这里r_ij称为deBoor点。
2024/2/7 21:54:38
3.39MB
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