<rt id="k0wss"></rt>
實現基于PIC25j10單片機，實現對HSM－20G溫濕度模塊，對換境數據的采集，給壓縮包包含了所用到芯片的DATASHEET以及原代碼
上傳時間： 2013-12-28
上傳用戶：franktu
jSearch - turns search Engines into FIND engines - Programming in JAVA Copyright (C) 1999-2009 Hunt Lin This program is free software you can redistribute it and/or modifyit under the terms of the GNU General Public License as published bythe Free Software Foundation either version 2 of the License, or(at your option) any later version. This program is distributed in the hope that it will be useful,but WITHOUT ANY WARRANTY without even the implied warranty ofMERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See theGNU General Public License for more details. You should have received a copy of the GNU General Public Licensealong with this program if not, write to the Free SoftwareFoundation, Inc., 675 Mass Ave, Cambridge, MA 02139, USA. Also add information on how to contact you by electronic and paper mail.
標簽： Programming Copyright jSearch Engines
上傳時間： 2017-02-10
上傳用戶：qoovoop
IAR5.20的使用指南，可以提高開發AVR單片機的效率，也是初學者學習的必備資料，對于使用IAR開發壞境有極大的幫助。
上傳時間： 2014-12-21
上傳用戶：xauthu
記憶能力培養的資料， 記憶行為可分為四個大類： （1）再認行為，其目的在于搜尋和認同已經習得的材料（任何物體， 言語信息，個體，等等），條件是這些材料呈現在主體的知覺范圍或周圍環 境中； （2）重建行為，材料是在變形的情況下被感知的，主體的活動應根據 材料的原型來重建它們； （3）回憶行為，喚起、描述或再現不在眼前的物體，以及再現習得階 段中完成的活動（通常能以基本單元進行分析，但反應不能歸結為基本單元 的總和） （4）最后，重學行為，它在記憶活動中占有特殊的地位：重學是第二 次“學習”，一般來說，它比第一次學習來得更快，從時間節省和練習次數 節省中得出的結論證明了重學的保持效果。節省就是主體所熟悉的場合促進 了再認和回憶。
標簽：
上傳時間： 2014-12-05
上傳用戶：whenfly
22位流水線加法器，altera公司仿真壞境可用。
標簽： 流水線加法器
上傳時間： 2013-12-18
上傳用戶：日光微瀾
利用vb達到電源供應器的控制，若將電源供應器加入控制的一環會使得系統功能完善。
標簽： 控制
上傳時間： 2013-12-28
上傳用戶：lnnn30
實驗名稱: SPI接口實險，LED數據管顯示。 實驗目的: 學習AVR單片機的SPI功能 實驗現象: 1、程序通過SPI接口輸出數據到HC595芯片驅動LED數據管簡單顯示。 2、內部1 M晶振，程序采用單任務方式，軟件延時。 環 境: ICCAVR6.31A
上傳時間： 2014-01-03
上傳用戶：cuibaigao
對于聲音識別技術來說，由于不需要過多接觸以及實體間 交互模式的認證，因此，它在使用中比其他種類的識別技術 更加便利。而在配置過程中，由于當前多數電子數碼產品 都已經安裝了聲卡和話筒，因而構架上也可以節約更多的 成本。此外，對于使用環境來說，由于不需要如視頻監控設 備那樣對角度有著較高的要求，所以聲音識別系統的使用環 境無疑也會更加的隨意和隱蔽。這些都是聲音識別系統與 其他安防設施相比更加獨特的優勢。
上傳時間： 2019-09-23
上傳用戶：minwenji
移動機器人導航與定位技術隨 著 計 算機 技 術 、微 電 子 技 術 、網 絡 技 術 等 的快 速 發 展 ，特 別是 通 訊 技 術 的進 步 。機 器 人 技 術 也 得 到 了飛 速 發 展 ，移 動機 器 人 的 關鍵 技 術 得 到 深 入 而 廣 泛 的研 究 。并 且 部 分 已經 走 向成 熟 ， 移 動 機 器 人 應 用 領 域 不 斷擴 展 ，與 制 造 業 相 比 ，移動 機 器 人 的 工 作 環 境 具 有 非 結 構 化 和 不 確 定 性 。因而 對機 器人 的要 求 更 高 。不 僅 要 求 機 器 人 完 成 一 定 的 功 能 ，還 需 要 機 器 人具 有 行 走 功 能 。對 外感 知 能力 以及 局 部 的 自主 規 劃 能 力等 ，因 此 移 動機 器 人 的 導 航 與 定位 技 術 成 為 智 能機 器 人 領 域 的一 個 重 要 研 究 方 向 ．也 是 智 能移 動 機 器 人 的一 項 關 鍵 技 術 。 多年 來 國際 國 內都 有 大 量 的 科技 工 作 者 致 力 于 這 方 面 的研 究 開 發 工作 ．因 而 對 許 多 問題 的 認 識 與求 解 都 取 得 了長 足 的 發 展 。在 某 些特 定 的 應用 領 域 ，移 動 機 器人 導航 技 術 已得 到 了實 際 應用 。本 文 介 紹 了移 動機 器人 導 航 技 術 研 究 中的 相 關 關 鍵 技 術 。 2移動 機 器 人導 航 與定位 研 究 的 目的 移 動 機 器 人 根 據 運 動 行 為 方 式 分 為 自主 和 半 自主 式 ．根 據 應 用 的環 境 有 室 內和 室 外 機器 人之 分 。無 論 哪 種 移動 機 器人 。在 它的運動過程 中始終要求解決 自身的導航與定位 問題 ．也就是 Dm．~ntWhyte提 出 的 三 個 問 題 ：(1)”我 現 在 何 處 ?”，(2)”我 要 往 何 處 去 ?”，(3)”要 如 何 到 該 處 去?”。其 中 問題 (1)是 移 動 機 器 人 導 航 系統 中 的定 位 及 跟 蹤 問題 ，(2)(3)是 移 動機 器人 導 航 系 統 中 的 路徑 規劃 問題 。移 動 機 器 人 導航 與 定位 技 術 研 究 的 目的 就 是 解 決上 面 的 3個 問題 ．給 出 已知 和 未 知 環 境 下 移 動機 器 人 實 時 導 航 與 定 為 控 制 的 理 論 、方 法 與 關 鍵 技 術 ，并 驗 證 該 理 論 與 方 法 的 的 實用 性 ：提 出適 應 多種 環境 的 實 時導 航 策 略 和 具 有 良好 可 擴 展 性 的 移動 機 器 導航 體 系 結 構 ：未知 環 境 中 移 動 機 器 人 的 快 速環 境 建模 與 定 位 方 法 ：未 知環 境 中基 于 傳 感 器 的 移 動 機 器 人 局部 運 動 規 劃 理 論 與 方 法 ：與 未 知環 境 中移 動 機 器 人 導 航 控 制 相 關 的機 器 學 習的 基 礎 理 論 與 方 法 ；移 動 機 器 人 的 故 障 自診
上傳時間： 2022-02-12
上傳用戶：xsr1983
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 ?；?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
<li id="gco8i"></li>