實現拉升圖片的功能，點擊開始拉升，圖片自動拉升，在點擊停止拉升后停止！
標簽：
上傳時間： 2017-04-04
上傳用戶：13188549192
課程設計： 1.求出在一個n×n的棋盤上，放置n個不能互相捕捉的國際象棋“皇后”的所有布局。 2.設計一個利用哈夫曼算法的編碼和譯碼系統，重復地顯示并處理以下項目，直到選擇退出為止。 【基本要求】 1) 將權值數據存放在數據文件(文件名為data.txt，位于執行程序的當前目錄中) 2) 分別采用動態和靜態存儲結構 3) 初始化：鍵盤輸入字符集大小n、n個字符和n個權值，建立哈夫曼樹； 4) 編碼：利用建好的哈夫曼樹生成哈夫曼編碼； 5) 輸出編碼； 6) 設字符集及頻度如下表： 字符 空格 A B C D E F G H I J K L M 頻度 186 64 13 22 32 103 21 15 47 57 1 5 32 20 字符 N O P Q R S T U V W X Y Z 頻度 57 63 15 1 48 51 80 23 8 18 1 16 1
標簽：
上傳時間： 2017-04-24
上傳用戶：zhyiroy
無意間在網上找到這本書,已經絕版了也很難找到所以放上來分享給大家,提供大家學習 本書對SCSI的介紹偏重於軟件開發方面。在介紹了SCSI的基本概念後，介紹了SCSI編程的程序化方法，並在DOS和Windows下研究了ASPI（高級SCSI編程接口），在Windows和Windows NT下研究了ASPI32的擴展，在介紹SCSI在UNIX平臺的應用時，把重點放在了Linux平臺上
上傳時間： 2014-01-07
上傳用戶：qunquan
這是超前滯后門在wcdma位同步的應用的matlab源代碼，對16倍升余弦匹配濾波器輸出位同步
上傳時間： 2013-12-17
上傳用戶：851197153
檔案傳輸協定(FTP)為目前相當普遍與廣泛使用之網路 應用。然而在傳統檔案傳輸協定之設計下，資料 傳輸透過Out-of-Band(OOB)之機制，意即透過控制頻道(control channel)傳輸指令 ，而實際資料 傳輸則另外透過特定之通訊埠以及TCP連 線，進行 傳送。如此一來 可確保資料 傳輸之可靠與穩定性，但另一方面則會造成傳輸率 (throughput)效能低落 。因此，在本計劃中，我們透過使用SCTP協定並利 用多重串 流 (multi-stream)機制，達到以In-Band機制達成Out-of-Band傳輸之相同效果。在本研究之最後亦透過於開放原始碼系統實作並實際量 測，証
上傳時間： 2013-12-10
上傳用戶：2467478207
如何編寫讀/寫一個字節的函數呢？ 1. 讀一個字節 uchar tmpread(void) //read a byte date 讀一個字節 { uchar i,j,dat dat=0 for(i=1 i<=8 i++) { j=tmpreadbit() dat=(j<<7)|(dat>>1) //讀出的數據最低位在最前面，這樣剛好一個字節在DAT里 } return(dat) //將一個字節數據返回 }
上傳時間： 2017-09-06
上傳用戶：gengxiaochao
浮式鉆井平臺（船）在海上處于漂浮狀態時，由于風浪的作用會產生升沉、搖擺、漂移等運動。 重點分析了浮式鉆井平臺（船）的升沉運動特性并建立了運動數學模型，闡述了其對鉆井船的影響， 找出了鉆井船升沉與波高、波浪周期的關系，并通過深水工程勘察船的工程實例對上述理論進行了 驗證，為浮式平臺配套升沉補償裝置的設計提供依據
上傳時間： 2017-02-17
上傳用戶：瓦力瓦力hong
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制 oIlI～0(、r> 王 敏 金·波斯科 黃心漢 ，O、l、L (華i 面面辜寫j幕．武漢，43074) ＼I。L上、o 捌要：提出了一種基于傳感器和模糊規則的智能機器人運動規劃方法 ．該方法運用了基于調和函數分析的人 工勢能 場原 理 ．采用模糊規則 可減少推導勢能函數所 必須的計算 ，同時給機器人伺服 系統發 出指令 ，使它能夠 自動 地尋找通向目標的路徑．提出的方法具有簡單、快速的特點，而且能對 n自由度機械手的整個手臂實現最碰．建立 在非線性機器人動力學之上的整 個閉環系統和模糊控制器 的穩定性 由李雅普諾 夫原理 保證 ．仿真結 果證明 了該方 法 的有效性 ，通 過比較分析顯示 出文 中所提 出的最障算法的優越性 ． 美t詞：基于傳感器的機器人運動控制；模糊規則；人工勢能場；動態避障；機器人操作手 1 叫啞oducd0n R。boIsarewjdelyusedfor詛sb inchasma~ia]b柚· 血 ， spot ： ng， spray Ijl岫 1g， mech卸icaland elec咖 icas搴enlb1y，ma al塒 IIovaland wa時 cut· ring 咖 ． ofsuch tasks_堋 llldea pri|柚ary ptd 眥 of 她 ar0botto e oncpositiontoanother withoutbur叩inginto anyobstacles． s 曲km，de． notedasthefDbotm ∞ pJan，liDgp∞ 舶1，hasbeen the倒 娜bj0ct鋤l哪gIeseat℃ll∞ ． Every method o0血∞rI1ing 如b0tmotionplanninghas itsownadv∞ngesandapplicationdoma~ asweftasits di戤ldvaIIta麟 and constr~dnts． Therefore it would be ratherdifficulteithertoc0Ⅱ】paremethodsorton~ vate thechoio~ofan dl0‘iupon othP~s． 0州 d眥 ：1999—07—29；Revised~ ：2000一∞ 一絲 In conU~astto many n~ hods，rob
上傳時間： 2022-02-15
上傳用戶：
首先下載軟件，解壓軟件，安裝在程序中找到SEGGER,選里面的J-FLASH，進入界面，剛開始的那個界面可以忽略，不用建project也可以；單擊菜單欄的“Options---Project settings”打開設置，進行jlink配置;正在General選項，選擇“USB”，一般都是默認配置，確認一下即可;然后在CPU選項，選擇芯片型號，先選擇“Device”才能選擇芯片型號，芯片型號，要根據你使用的芯片進行選擇;在Target interface選項 里面選擇SWD模式;首先Target里面選“Connection”連接目標芯片，然后 Target--Auto進行程序燒寫;首先Target里面選擇“Connection”連接目標芯片，然后 Target--Auto進行程序燒寫.SEGGER J-Links are the most widely used line of debug probes available today. They've proven their value for more than 10 years in embedded development. This popularity stems from the unparalleled performance, extensive feature set, large number of supported CPUs, and compatibility with all popular development environments.
標簽： JLINK
上傳時間： 2022-03-22
上傳用戶：
