- 博客(374)
- 收藏
- 关注
RSS订阅
原创 GD32 支持IAP的bootloader开发，使用串口通过Ymodem协议传输固件（附代码）
关于IAP的原理和Ymodem协议，本文不做任何论述，本文只论述bootloader如何使用串口通过Ymodem协议接收升级程序并进行IAP升级，以及bootloader和主程序两个工程的配置注意事项。实验板子主芯片：STM32F103C8T6。
2024-01-07 17:16:14
770
原创 【Matlab】SVM支持向量机时序预测算法（附代码）
SVM（Support Vector Machine）即支持向量机，是一种常见的机器学习算法，被广泛应用于分类和回归问题中。它的主要思想是将训练数据映射到高维空间中，然后在该空间中找到一个最优的超平面来分隔不同类别的样本。SVM 的目标是找到一个最大间隔超平面，即具有最大边际（Margin）的超平面，以保证分类的鲁棒性和泛化能力。在 SVM 中，支持向量是指距离超平面最近的一些样本点，它们对于寻找最大边际超平面起着非常重要的作用。
2024-01-03 16:45:49
820
原创 【Matlab】RF随机森林时序预测算法（附代码）
随机森林的基本思想是利用多个决策树对时序数据进行预测，其中每个决策树都使用不同的随机抽样方式选择训练数据，以减小过拟合的风险。随机森林时序预测算法的主要步骤如下：（1）样本抽样：从原始数据中随机抽取一部分样本，用于训练每个决策树。（2）特征抽样：从原始特征中随机选取一部分特征，用于训练每个决策树。（3）决策树训练：使用抽样得到的样本和特征，构建多个决策树，其中每个树都是一组独立的分类器。
2024-01-02 17:19:55
637
原创 【Matlab】RBF径向基神经网络时序预测算法（附代码）
RBF 神经网络（Radial Basis Function Neural Network）是一种基于径向基函数的前向型神经网络。它的特点是具有快速的训练速度和良好的泛化性能。RBF 神经网络的基本结构包括输入层、隐藏层和输出层。其中隐藏层是 RBF 层，它的神经元使用径向基函数来计算输入向量与每个神经元之间的距离，用这个距离值来作为神经元的激活函数。常用的径向基函数包括高斯函数、多项式函数等。
2024-01-02 16:59:39
424
原创 【Matlab】PSO-BP 基于粒子群算法优化BP神经网络的数据时序预测（附代码）
PSO-BP算法是一种结合了粒子群算法（PSO）和BP神经网络的方法，用于数据时序预测。下面是PSO-BP算法的原理和过程：1. 数据准备：首先，将时序数据按照一定的时间窗口划分为输入序列和输出序列。例如，可以将过去几个时间步的数值作为输入，预测未来一个时间步的数值作为输出。2. 初始化粒子群：对于PSO-BP算法，需要初始化一组粒子，每个粒子代表了BP神经网络的一组权重和阈值参数。每个粒子都有自己的位置和速度。
2024-01-02 09:27:35
867
原创 【Matlab】LSTM长短期记忆神经网络时序预测算法（附代码）
LSTM（Long Short-Term Memory）是一种常用的循环神经网络（Recurrent Neural Network，RNN）结构，由于其对于长序列数据的处理能力，被广泛应用于语音识别、自然语言处理、图像处理等领域。LSTM 网络的主要特点是增加了一个称为“记忆单元（Memory Cell）”的结构，用于控制网络的信息流动。这个结构可以记忆信息并在需要的时候将其加入到当前的处理中，从而更好地处理长序列数据。
2024-01-01 23:36:18
1193
1
原创 【Matlab】基于遗传算法优化BP神经网络 (GA-BP)的数据时序预测（附代码）
基于遗传算法优化BP神经网络 (GA-BP) 的数据时序预测是一种常用的机器学习方法，用于预测时间序列数据的趋势和未来值。在使用这种方法之前，需要将时间序列数据转化为适合BP神经网络处理的形式。常用的方法是将时间序列数据转化为滞后观测值的矩阵形式，以便将其作为BP神经网络的输入。然后，使用遗传算法对BP神经网络的权重和阈值进行优化。遗传算法通过模拟自然选择和遗传机制，使用种群中的个体来表示网络权重和阈值的不同组合。
2023-12-30 23:32:13
627
原创 【Matlab】ELM极限学习机时序预测算法（附代码）
ELM（Extreme Learning Machine）是一种单层前馈神经网络结构，与传统神经网络不同的是，ELM的隐层神经元权重以及偏置都是随机产生的，并且在网络训练过程中不会更新。这种随机初始化的方法使得ELM的训练速度非常快，同时避免了传统神经网络中需要反复调整权重的问题。随机初始化隐层神经元的权重和偏置，构建网络结构。将训练数据输入到网络中，得到隐层神经元的输出。对隐层神经元的输出和训练数据的标签进行线性回归，得到输出层的权重。
2023-12-30 17:48:37
506
原创 【Matlab】CNN卷积神经网络时序预测算法（附代码）
CNN（Convolutional Neural Network，卷积神经网络）是一种前馈神经网络，主要用于处理具有类似网格结构的数据，例如图像和音频。CNN 的主要特点是卷积层和池化层的交替使用来提取数据特征，以及使用全连接层对这些特征进行分类和识别。CNN 的主要结构包括卷积层、池化层和全连接层。其中卷积层主要用于提取数据中的特征，它通过将一个小的卷积核在数据上滑动，将局部特征提取出来。池化层则用于降低数据的维度，减少特征数量，从而简化模型的复杂度。
2023-12-30 17:14:59
671
原创 【Matlab】BP 神经网络时序预测算法（附代码）
BP 神经网络是一种常见的人工神经网络，也是一种有监督学习的神经网络。其全称为“Back Propagation”，即反向传播算法。BP 神经网络主要由输入层、隐藏层和输出层组成，每一层都由多个神经元组成。BP 神经网络的学习过程是通过不断地调整权值和偏置值来逐步提高网络的精度。BP 神经网络的训练过程可以分为两个阶段：前向传播和反向传播。在前向传播中，输入信号通过各层的神经元，最终产生输出结果。
2023-12-30 16:40:40
620
原创 STM32 ESP8266 物联网智能温室大棚 （附源码 PCB 原理图 设计文档）
本系统以STM32F103C8T6单片机为主控芯片，采用相关传感器构建系统硬件电路。其中使用DHT11温湿度传感器对温度和湿度的采集，MQ-7一氧化碳传感器检测CO浓度，GP2Y1014AUOF灰尘传感器检测 PM2.5浓度，光敏电阻对室内光照强度的采集。在液晶屏显示相关环境数据，根据数据处理结果主控芯片发出相应指令，使室内保持人们舒适的生活环境，同时WIFI模块将数据上传到阿里云平台，平台再将数据下发到APP端，人们可以在远程控制家里的电器设备，可以让人们方便直接的观察到当前环境的各种指标。
2023-12-30 12:30:51
2270
2
原创 STM32 支持IAP的bootloader开发，使用串口通过Ymodem协议传输固件（附代码）
关于IAP的原理和Ymodem协议，本文不做任何论述，本文只论述bootloader如何使用串口通过Ymodem协议接收升级程序并进行IAP升级，以及bootloader和主程序两个工程的配置注意事项。实验板子主芯片：STM32F103C8T6。
2023-12-24 19:34:10
992
原创 海德汉（HEIDENHAIN）CNC数据采集（可免授权）
海德汉 常见的系统一般有530、640系统，采集一般有两种方法：（1）购买海德汉官方的SDK，HeidenhainDNC COM Component，安装之后有相应的demo，支持的语言有C#、C/C++。此方法还需要购买机台授权，购买之后会给一个授权密码，在机台输入即可。用这个方法的优点是开发周期短，缺点是费用比较高（需购买SDK以及进行机台授权）。
2023-12-03 22:08:30
1008
原创 三菱（MITSUBISHI）CNC数据采集
前面介绍过，三菱CNC数据采集一般有两种方法：（1）通过官方A2 API（也叫EZSocket）进行数据采集，需要安装A2驱动包（仅适用于windows系统）（2）通过纯TCP协议方法。该方法不局限于CPU架构（x86、ARM、MIPS等等），不局限操作系统（Windows、Linux、FreeRTOS、RT-Thread、μC/OS、裸机等等均可），不局限编程语言（Java、Python、C/C++、C#、Go等等均可）。下面对两种方法都进行相应介绍。
2023-12-03 19:45:50
779
原创 STM32 智能家居项目 FreeRTOS 密码锁 指纹锁 GSM远程控制 设计报告
使用STM32F407芯片，FreeRTOS系统，门禁支持密码输入、指纹输入；人体感应灯可实现家居环境中人体自动识别，并用来控制灯光部分的开、关以及延时功能；GSM远程控制通过手机远程向GSM模块发送短信，并识别短信的内容，根据器内容实现对家庭电器、窗帘、照明的本地或远程控制。一个学习STM32不可多得的项目，通过该项目可以熟悉STM32各种片内资源的使用。
2023-11-05 00:24:57
577
1
原创 STM32锅炉控制器方案 支持ModbusRTU和上位机通信
使用STM32F103芯片，根据状态机处理事件的锅炉控制器的项目，支持外设自检、文件存储、Modbus RTU通信、采集热电偶、采集直流模拟量、采集水温、采集炉温、开关量输入、拨码开关查询、看门狗等功能。一个学习STM32不可多得的项目，通过该项目可以熟悉STM32各种片内资源的使用。
2023-11-03 15:10:46
160
原创 Python 机器学习 股市情感分析（附代码）
情绪与股市关系的研究由来已久，情绪是市场的一个重要影响因素已成为共识。那段时间市场的疯狂，让人深刻地明白：某些时候，股票市场这个抽象、复杂的系统，反映的不再是价值与供需，而仅仅是人的贪婪与恐惧。这份代码是股市情感分析项目的一部分，这个项目的本意是利用互联网提取投资者情绪，为投资决策的制定提供参考。这里我们利用标注语料分析股评情感，利用分析结果构建指标，之后研究指标与股市关系。在经过情感分析、指标构建这两个流程之后，我们可以得到一些有趣的结果，例如看涨情绪与股市走势的关系。这里只展示诸多关系中的一个。
2023-10-29 21:44:00
268
原创 【硬件+代码】STM32 智能家居系统设计+原理图+设计报告
介绍一种以stm32 单片机为核心，设计了一套基于GPRS无线网络的智能家居控制系统。该系统以GPRS通信为基础、能通过无线通信技术实时监控家居的温湿度状态，并能自由控制家居的电器的开关操作。同时集成光强采集电路，能自动开关窗帘的功能。本设计硬件电路结构简单，分为控制器模块，GPRS模块，继电器控制模块，步进电机控制模块等五大电路模块，其中控制器选用基于cotex-m3内核的32位微控制器STM32F103R8T6。
2023-10-19 13:10:29
4719
原创 Python_基于DFM模型AHP算法的学生消费行为分析（附代码）
（3）为了判断学生的经济状况，使用聚类方法虽然可以大致确定一个学生的消费水平，但是误差比较大，而且无法得出更多有用的信息，我们希望可以通过数据，来给学生下更加精细的划分，我们就以上题中选出的那最有可能包含需要补助学生的信息的数据集为输入数据，在DFM模型的基础上使用AHP算法进行打分，为学校判定经济状况提供更加可靠的数据。（1）对于学生的消费行为和食堂的运营状况分析，主要从三个角度进行分析：早午晚各食堂就餐人次占比、工作日与休息日就餐时间曲线和学生消费的Pearson线性相关系数。
2023-10-15 23:10:49
168
原创 Python_学生校园消费行为（附代码）
（4）分析学生消费行为。可以对生活饮食消费（食堂消费、超市消费、水电费等）、其他消费（非生活饮食消费）、存款（存入校园卡的金额）三个维度进行分析，并根据分析结果判定学生的经济状况，为援助提供依据。（1）根据学生的消费行为判断其消费喜好，学校各食堂运营可根据各个时间段的消费人次配备合理的食材数量避免食材浪费或亏损，并可根据人流情况在高峰期开设多个窗口，避免因人流影响就餐。根据实际项目需求对数据进行清洗，去除缺失值所在列的数据，去掉对项目无影响的数据，去掉异常时间点的数据，对数据清洗可保证数据的有效性。
2023-10-15 21:37:56
390
原创 基于Python实现酒店中文评论的情感分析
为了方便之后的操作，需要把正向和负向评论分别规整到对应的一个txt文件中，即正向语料的集合文档（命名为2000_pos.txt）和负向语料的集合文档（命名为2000_neg.txt）。由于去停用词的步骤是在句子分词后执行的，因此通常与分词操作在同一个代码段中进行，即在句子分词操作完成后直接调用去停用词的函数，并得到去停用词后的结果，再写入结果文件中。由于特征词向量的抽取是基于已经训练好的词向量模型，而wiki中文语料是公认的大型中文语料，本项目拟从wiki中文语料生成的词向量中抽取本文语料的特征词向量。
2023-10-13 23:48:00
233
原创 Matlab 医学CT重建 ART和SART算法
ART迭代算法的基本思想是先将连续的图像离散化，再采用CT成像的离散模型重建图像。其给定初始图像，先通过正投影得到投影图像，然后计算当前投影与实际测量投影之间的误差用以估计当前图像的修正值，这个修正值是对每一条射线逐条迭代修正并分配到射线穿过的像素上，再进行反投影和累加等处理。
2023-10-09 00:32:10
926
原创 【硬件+代码】STM32F103_FreeRTOS_扫地机器人_带支持IAP的Bootloader
使用STM32F103芯片，FreeRTOS系统开发的扫地机器人项目，支持多种外设和功能，比如电机、按键、LED、ADC（电池温度检测、边刷电流检测和放电电流IBAT）、电池管理、陀螺仪、掉落检测、悬空传感器、碰撞传感器、超声波距离传感器、垃圾盒检测、捕获输入等。Bootloader支持IAP功能，可方便升级固件。一个学习STM32不可多得的项目，通过该项目可以熟悉STM32各种片内资源的使用。
2023-10-04 12:07:46
284
转载 海天注塑机数据采集_弘讯串口控制器数据采集
本方式适用于弘讯控制器使用串口通信的TECH系列、AK系列，比如Tech1、Tech2、AK628、AK668等。
2023-09-16 16:31:43
1291
原创 CNC数控机床数据采集，CNC数据采集
1，采用SDK开发包采集，比如三菱、发那科、海德汉、大卫、华中数控、凯恩帝、沙迪克、牧野电火花、台湾宝元、上海来钠克、精雕等等。2，OPC UA/DA，比如西门子、力士乐。3，直接采集PLC，比如西门子。4，协议采集，比如西门子、三菱、发那科、海德汉、广数、新代、兄弟、马扎克smart/smooth/640/matrix。5，IO采集，当某个型号无法用上述方法采集时，可以考虑IO采集，IO采集的数据有限，通常是产量、运转次数、运行时间这类型的生产数据。可联系扣扣17082750。
2023-09-16 16:28:04
2228
原创 软件质量：建立信心的十大指标
这将促进您的团队对客户提出的重要问题的响应能力，并将帮助您保持产品和团队的高标准。在截止日期之前的几天或几周（取决于项目的规模），团队将集中精力减少 bug 的数量，直到 bug 的数量达到某种渐近线。衡量合并的拉取请求与拒绝的拉取请求的演变将帮助您了解您的团队是否随着时间的推移而改进。但是，在计算整个应用程序的实际数量时，可以忽略最终在回滚实例中出现的错误更新，以获得准确的表示。如果你希望你的产品被认为是高质量的，例如苹果的水平，那么当你解决了很多 P3 和 P4 错误时，这实际上就会发生。
2023-12-09 23:12:00
108
原创 如何设计自动完成系统
此外，与S中的字符串对应的每个节点都用颜色标记。一个观察是，如果 he是S中另一个字符串的前缀，则与he对应的节点是T的内部节点，否则，它是叶子。有时，将与S中的字符串对应的所有节点作为叶子是很有用的，并且向S中的每个字符串附加一个保证不在Σ 中的字符是很常见的。如果在某个时刻没有到子级的转换，或者如果您消耗了 e 的所有字母，但结束进程的节点不对应于S中的任何字符串，则e也不属于S。请注意，由于现在S中没有字符串（它是前缀），即S中的另一个字符串，因此T中与S中的字符串相对应的所有节点都是leaves。
2023-12-09 22:58:24
73
原创 四种最常用的 REST API 身份验证方法
在此方法中，为每个首次使用的用户分配唯一的生成值，表示该用户是已知的。当用户尝试重新进入系统时，他们的唯一密钥（有时是根据其硬件组合和IP数据生成的，有时是由认识他们的服务器随机生成的）用于证明他们与以前是同一用户。例如，如果 API 的功能受到特别限制，其中“读取”是唯一可能的命令，则 API 密钥可能是一个适当的解决方案。这是最直接的方法，也是最简单的方法。这就像拥有由值得信赖的权威机构颁发的驾驶执照，请求者（例如警察）可以将其用作证明您确实是您所说的人的证据。身份验证是指证明正确的身份。
2023-12-05 23:59:53
192
原创 比较 Apache Hive 和 Spark
Spark 的核心优势在于它能够执行复杂的内存分析和流式传输高达 PB 级的数据，使其比 MapReduce 更高效、更快速。Spark 可以从 Hadoop 上运行的任何数据存储中提取数据，并在内存中并行执行复杂的分析。Spark 从数据存储中提取数据一次，然后对内存中提取的数据集执行分析，这与在数据库中执行分析的其他应用程序不同。Spark Streaming 是 Spark 的扩展，可以实时传输来自频繁使用的 Web 源的大量数据。Hive是一个纯粹的数据仓库数据库，以表的形式存储数据。
2023-12-05 23:56:40
221
1
原创 AIOps、微服务和云平台
基于云的无服务器技术对于规模较小或较大的公司来说是一个巨大的推动力，可以移动其小型功能/代码，例如纳米服务、异步作业、计划作业、云服务与本地的集成。我将尝试解释一些较新的架构方法、趋势，并提供对 AIOps 的见解以及它如何帮助解决这个问题。由于范围仅限于服务能力，因此管理和维护微服务测试更加容易，可以轻松实现单元测试、回归测试以及性能测试的自动化测试。建立高效自主的“小”团队来更快地交付新服务或功能，这意味着您不必等待漫长的发布周期，只要功能准备好就可以发布。不同的团队可以使用不同的技术构建微服务。
2023-12-02 23:38:29
347
原创 决策 Diffie-Hellman DDH 和 CDH
如果 p -1 只有很小的因子，即如果 p -1 是“平滑的”，那么离散对数问题可以通过 Silver-Pohlig-Hellman 算法来处理 [1]。Alice 通过 g b的a 次方 计算g ab，Bob 通过 g a的b 次方 计算g ab。但是，它不是要求计算 g ab，而是询问 对于随机选择的 c ，是否可以以 优于 0.5 的概率区分g ab 和 g c。可以想象，有一种方法可以在不解决离散对数问题的情况下解决CDH，但是，此时，对CDH最有效的攻击是计算离散对数。
2023-12-02 23:36:05
607
原创 为什么设备场对于简化软件测试和提高效率至关重要
总体而言，设备群是一个有价值的工具，作为全面测试策略的一部分，补充了内部测试环境，并支持在不断扩大的设备和平台矩阵上进行持续测试。对于需要在各种设备上测试应用程序而无需投资自己的硬件的企业来说，基于云的设备场是一个流行的选择。混合设备场 结合了基于云的设备场和本地设备场的功能。这些场通常比基于云的场包含更少数量的设备，但它们为企业提供了对测试环境的更多控制。对于需要在特定设备或操作系统上测试应用程序的企业来说，本地设备场是一个不错的选择。设备场主要分为三种类型：基于云的设备场、本地设备场和混合设备场。
2023-12-01 23:58:21
25
原创 如何优化 Elasticsearch 以获得更好的搜索性能
如果集群允许在最佳配置的大小方面使用每月索引，则无需保留每周索引，因为这会对性能产生负面影响，因为索引太多，并且需要对每个索引的结果进行整理。因此，优化的段将带来更好的搜索性能，因为每个分片的开销取决于段的数量和大小。根据集群大小，假设您的集群中有 10 个节点，您会选择为此索引设置 10 个主分片，以便在集群的节点之间均匀分布分片。每个的最大值给出了副本分片数量的真实值。如果需要增加并发度，可以根据节点上CPU的核心数增加用于搜索设置的线程池threadpool，并减少用于索引的threadpool。
2023-11-30 23:38:46
330
原创 性能测试中的常见错误
性能工程师需要利益相关者提供适当的输入来了解应用程序架构、用户行为和应用程序/产品性能目标，以成功隔离所需的负载并轻松识别性能下降/瓶颈并成功修复它们。需要对所有性能测试结果和监控输出进行彻底的关联和分析，以确定性能问题的根本原因。性能测试团队需要考虑系统的各个方面，并需要业务分析师和开发人员的意见，以确定业务工作流程的潜在问题以及解决的大致时间。在缺乏工作负载特征的情况下，性能测试不会有明确的重点和目标。性能工程师必须确保所有性能测试都是在与生产环境相同的性能测试环境上进行的，以避免错误的结果和建议。
2023-11-30 23:36:38
65
原创 如何保护 API 安全
断路器 - 限制和配额 — 一个好的做法是强制执行每个应用程序的数据使用配额，以便后端在发生 DoS、DDoS 攻击时不会受到影响，或防止未经授权的用户不当使用 API。检查授权是否正确的方法有多种，包括基于内容的访问控制 (CBAC)、基于角色的访问控制 (RBAC) 或基于策略的访问控制 (PBAC) — 这些方法可确保业务数据得到充分保护，免受未经批准的访问。当客户端向 JWT 提供其 API 请求时，API 网关会验证 JWT 并验证其中的声明是否与您为客户端请求的资源设置的访问策略相匹配。
2023-11-27 23:14:05
451
原创 微服务中的商业智能：提高性能
微服务设计的主要好处之一是它的可扩展性。证明这一事实的最著名的案例之一就是Netflix的用户群。微服务设计是扩展它的一个很好的解决方案。对敏捷和 DevOps 实践的需求导致了微服务的流行。这就是 Freshcode 团队决定通过创建单独的报告微服务来优化应用程序架构的原因。解释微服务设计含义的最佳方法是将其与常见的整体应用程序进行比较。其主要优点是数据管道的创建简单以及对许多广泛技术的支持。实施微服务报告系统的第一步有 3 种可能的工具。系统中的任何更改都会导致系统服务器部分的新版本的部署。
2023-11-27 23:12:16
297
原创 使用物联网的家庭自动化
可能有数千个这样的传感器可以成为此列表的一部分，但由于这是对智能家居技术的介绍，因此我们将保持简短。这些传感器不如 3dsignals 等工业级传感器 ，后者甚至可以检测超低水平的噪声，并在各种噪声水平之间进行微调，以构建均匀的机器故障模式。我们之前已经讨论过它们，但让我们清楚地分离我们的组件，最终帮助您构建一个关于构建智能家居所涉及的主要组件的现实模型。请注意，通常情况下，您从这些传感器直接感测到的温度可能不是很准确，无论您在做什么，您偶尔都会看到 1000°F 或更高的值。
2023-11-25 23:22:15
560
原创 为什么 MQTT 对于构建联网汽车至关重要
为了与汽车建立连接，云平台将向车辆发送一条短信，其中包含用于发起 HTTP 请求/响应连接的 URL。对于那些想要开始使用 MQTT 的公司来说，有很多可用的信息和解决方案，包括开源代理HiveMQ、Eclipse Mosquitto和VerneMQ。每辆车上运行的 MQTT 客户端负责使用 TLS 与云中的 MQTT 代理建立安全的持久 TCP 连接。这不是一个合理的假设，因为汽车将通过蜂窝网络移动，而每个设备没有单一的 IP 地址。然而，实施可扩展以支持数百万辆汽车的联网汽车服务可能会带来一些挑战。
2023-11-25 23:02:26
348
原创 使用 Raspberry Pi、Golang 和 HERE XYZ 制作实时地图
Serial 包将允许我们访问 Raspberry Pi 和 GPS 模块之间的串行连接， go-nmea 包将允许我们将原始 GPS 数据解析为我们可以理解的内容，而 go.geojson包 将允许我们创建 GeoJSON要发送到 HERE XYZ 的格式化数据。换句话说，让 Raspberry Pi 使用 Golang 收集 GPS 数据，将其推送到 HERE XYZ，并通过查询 HERE XYZ 中的数据在某些 Web 客户端上实时查看。上面的代码是一个很好的起点。不过，复习一下也没什么坏处。
2023-11-23 00:00:22
508
示波器使用教程 使用手册 使用方法 泰克、普源精电、安捷伦、安泰等品牌示波器 数字存储示波器、混合信号示波器、混合域示波器
2024-04-20
Python实现基于LSTM神经网络的时间序列预测源码+全部数据 航线乘客、洗发水销量、空气质量、股票指数预测实例
2024-04-19
西门子1200PLC 自动贴标机 三轴伺服控制 包括PLC程序和触摸屏程序 机械手，分度盘，电磁阀，伺服电机，步进电机，拍照系统
2024-04-19
西门子1200PLC 六部十层电梯程序案例，WINCC RT Advanced界面，博图
2024-04-19
西门子PLC自动流程写法 SCL CASE流程写法 LAD Compare流程写法 LAD SHL流程写法
2024-04-07
西门子1200PLC生产线生产案例 西门子项目模板 包括PLC程序和触摸屏程序 全站式电池生产线 电池包膜机
2024-04-07
光伏计算表，光伏设计，光伏安装好帮手 Excel
2024-03-27
台达伺服驱动器电路图 台达电路图 台达原理图 台达维修图纸 PDF
2024-02-22
松下伺服驱动器电路图 松下电路图 松下原理图 松下维修图纸 PDF A4系列 A5系列
2024-02-21
富士伺服驱动器电路图 富士交流伺服ES系列 富士电路图 富士原理图 富士维修图纸 PDF
2024-02-21
凯恩帝伺服驱动器电路图 凯恩帝电路图 凯恩帝原理图 凯恩帝维修图纸 PDF
2024-02-21
日本安川伺服图纸PDF清晰
2024-02-19
STM32 bootloader 支持IAP升级程序 SD卡升级
2024-02-09
STM32F407IG 数字示波器源码+数字信号处理 DSP 教程、配套实例
2024-02-07
12V5A60W反激开关电源设计资料 原理图 PCB mathcad参数计算
2024-02-07
电源系列MOSFET IGBT应用入门与精通MOSFET并联技术应用电路分析等技术资料180个合集
2024-02-06
基于51单片机的数字万年历/电子时钟设计 包括代码、原理图、仿真、PCB、设计报告 主芯片AT89C52
2024-02-06
STM32 温湿度采集控制系统 带proteus仿真、设计报告、演示视频 STM32103R6 LCD1602 DHT11
2024-02-05
物联网智能家居软硬件系统源码 MQTT协议 智能开关 FWi-Fi 、控制器、 LED、灯七彩智能灯
2024-01-28
GD32F330 支持IAP的bootloader开发，自定义串口协议，带上位机源码和测试主程序
2024-01-08
GD32 支持IAP的bootloader开发，使用串口通过Ymodem协议传输固件 移植简单
2024-01-07
Matlab 时序预测算法合集：SVM、RF、RBF、PSO-BP、LSTM、GA-BP、ELM、CNN、BP
2024-01-04
Matlab SVM支持向量机时序预测算法 含测试数据集 预测图像和评价指标详细
2024-01-03
Matlab RF随机森林时序预测算法 含测试数据集 预测图像和评价指标详细
2024-01-02
Matlab RBF径向基神经网络时序预测算法 含测试数据集 预测图像和评价指标详细
2024-01-02
Matlab PSO-BP 基于粒子群算法优化BP神经网络的数据时序预测 含测试数据集 预测图像和评价指标详细
2024-01-02
Matlab LSTM长短期记忆神经网络时序预测算法 含测试数据集 预测图像和评价指标详细
2024-01-01
Matlab 基于遗传算法优化BP神经网络 (GA-BP)的数据时序预测 含测试数据集 预测图像和评价指标详细
2023-12-30
YOLO 火焰、烟雾数据集 训练集15000张图片、验证集1400张图片、测试集700张图片
2023-12-30
Matlab ELM极限学习机时序预测算法 含测试数据集 预测图像和评价指标详细
2023-12-30
Matlab CNN卷积神经网络时序预测算法 含测试数据集 预测图像和评价指标详细
2023-12-30
Matlab BP神经网络时序预测算法 含测试数据集 预测图像和评价指标详细
2023-12-30
STM32 ESP8266 物联网智能温室大棚 源码PCB原理图 设计文档
2023-12-30
Matlab Simulink 新能源汽车MCU控制策略+设计文档 基于MBD开发的纯电动汽车主驱电机控制模型
2023-12-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人