這是我在做大學教授期間推薦給我學生的一本書，非常好，適合入門學習。《python深度學習》由Keras之父、現任Google人工智能研究員的弗朗索瓦?肖萊（Franc?ois Chollet）執筆，詳盡介紹了用Python和Keras進行深度學習的探索實踐，包括計算機視覺、自然語言處理、產生式模型等應用。書中包含30多個代碼示例，步驟講解詳細透徹。作者在github公布了代碼，代碼幾乎囊括了本書所有知識點。在學習完本書后，讀者將具備搭建自己的深度學習環境、建立圖像識別模型、生成圖像和文字等能力。但是有一個小小的遺憾：代碼的解釋和注釋是全英文的，即使英文水平較好的朋友看起來也很吃力。本人認為，這本書和代碼是初學者入門深度學習及Keras最好的工具。作者在github公布了代碼，本人參照書本，對全部代碼做了中文解釋和注釋，并下載了代碼所需要的一些數據集（尤其是“貓狗大戰”數據集），并對其中一些圖像進行了本地化，代碼全部測試通過。（請按照文件順序運行，代碼前后有部分關聯）。以下代碼包含了全書約80%左右的知識點，代碼目錄：2.1: A first look at a neural network（ 初識神經網絡）3.5: Classifying movie reviews（電影評論分類：二分類問題）3.6: Classifying newswires（新聞分類：多分類問題 ）3.7: Predicting house prices（預測房價：回歸問題）4.4: Underfitting and overfitting（ 過擬合與欠擬合）5.1: Introduction to convnets（卷積神經網絡簡介）5.2: Using convnets with small datasets（在小型數據集上從頭開始訓練一個卷積網絡）5.3: Using a pre-trained convnet（使用預訓練的卷積神經網絡）5.4: Visualizing what convnets learn（卷積神經網絡的可視化）
上傳時間： 2022-01-30
上傳用戶：
基于人工神經網絡實現智能機器人的避障軌跡控制摘 要：利用人工神經網絡中的二級 BP網。模擬智能機器人的兩控制參數(左 、右輪速)間的函數關系。實現避 障軌跡為圓弧或橢圓弧的軌跡控制 。并且通過調整橢圓長、短軸大小。能實現多個及多層障礙物的避障控制．該方法 的突出特點是方法簡單、算法容易實現 。使機器人完成多個及多層避障動作時。不滯后于動態環境里其它機器人(障 礙物)位置的變化．在仿真實驗中。取得了理想的效果． 關鍵詞；BP神經網絡I多個及多層避障控制I橢圓軌跡1 弓I言(Introduction) 在機器人中，避障軌跡的生成是一個重要的問 題．對于不確定的動態環境下的實時避障軌跡生成， 是較為困難的．有關這方面的研究，目前已有許多方 法．一些神經網絡模型被設計出來，產生實時的軌跡 生成．文獻113[23提供的神經網絡模型產生的軌跡 生成僅能處理在靜態環境下及假設空間中沒有障礙 物的情況．[3]提供的神經網絡模型，能為智能機器 人產生導航的避障軌跡，然而模型在計算上相當復 雜．文獻[43提供了Hopfield神經網絡模型，能在動 態環境下產生時實的避障軌跡生成，并在文獻[5] 中，嚴格證明了因該方法生成的軌跡沒有遭受局部 極小點逃離問題．并且文獻[63用兩個神經網絡層疊 加起來，每層構造相似于[43中的網絡結構．它是利 用第二層網絡來發現下一個機器人位置的無監督模 型，然而它卻加倍了計算量，盡管文獻[4，6]提供的 方法能在動態環境下，產生時實避障軌跡，但都具有 較慢的運動速度，在快速變化的環境下不能恰當地 完成動作執行，因為機器人要比較好地完成避障動 作，必須不能滯后于障礙物動作變化
上傳時間： 2022-02-12
上傳用戶：得之我幸78
電子書-FA工業自動化設備設計基礎緒 論 一 目的 隨著科學技術的發展以及人們對于產品品質的更高追求，越來越多的企業和 工廠都期望使用大量的自動化設備和裝置來取代工人繁冗無味的重復勞動，實現 產品的全部或者部分制造過程的自動化以消除因為人為因素導致的產品質量的 不穩定性，這就是我們通常所說的“工廠自動化”（Factory Automation,簡稱： FA）。 本文以及后續系列篇幅介紹的就是為了實現工廠自動化而做的工業自動化 設備的設計基礎知識。本系列文章主要面對的對象是：有志于投身機械設計行業 的，具有基本機電知識的大學生、應屆畢業生以及畢業 3 年以內的初級設計師（助 理設計師）。所以本系列文章的主要宗旨是：讓在校大學生明白學習的方向，讓 應屆畢業生能迅速地把學校學到的理論知識正確地應用到設計實踐中來，讓助理 設計師發現自己的不足之處。本系列文章不會解釋設計方法學的問題，凡涉及到 設計方法學的問題，煩請諸位自己查閱相關資料。比如：自頂向下設計、優化設 計等。所以，在接下來的講解中，本人會盡量使用簡潔、系列的方式，通俗的語 言列舉我們所要表達的內容，盡量做到不羅嗦、不重復，盡量減小諸位的閱讀強 度、節約大家的時間。所以，我們的口號是“理論聯系實際”。好了，以下咱們 開始進入工廠自動化設備的天地中。 注意：本文中所說的自動化設備主要是大量使用了現代自動化元器件以及自 動化控制系統的各類設備，與傳統的純機械機構組成的設備有一定的區別。但是， 也不可盲目的崇拜自動化元器件和現代控制技術的能力，傳統的機械機構仍然是 機械的主要組成部分；與現代自動化器件組成的結構模塊相比較，傳統的機械機 構具有非常明顯的簡潔、高效的優點；所以，在設備設計過程中，只有合理地運 用機構和自動化元器件、現代控制技術才有可能設計出完美的自動化設備。由于 機械機構學在 18 世紀已經發展成熟，而且在大學的《機械原理》課程中有清晰 的闡述，所以，本文會盡量少的提到機械原理，涉及到的機械原理
標簽： 工業自動化
上傳時間： 2022-02-19
上傳用戶：wangshoupeng199
論文-基于UC3843的反激式開關電源反饋電路的設計 摘要 : 介紹了 UC3843 的工作特點 ,利用 UC3843 設計了反激式開關穩壓電源 ,分析了新型反饋電路的工作過程及優 點 ,與傳統方法相比 ,此方法使電源的動態響應更快 ,調試更簡單。最后提出了反饋電路詳細的設計方法 ,仿真結果證明 了設計的可行性。 0 引 言 UC3843 是高性能固定頻率電流模式控制器 ,專 為低壓應用而設計 ,廣泛用于 100 W 以下的反激式開 關電源中。目前大多數開關電源都采用離線式結構 , 一般從輔助供電繞組回路中通過電阻分壓取樣 ,該反 饋方式的電路簡單 ,但由于反饋不能直接從輸出電壓 取樣 ,沒有隔離 ,抗干擾能力也差 ,所以輸出電壓中仍 有 2 %的紋波 ,對于負載變化大和輸出電壓變化大的 情況下響應慢 ,不適合精度要求較高或負載變化范圍 較寬的場合[ 1 ] ,為了解決這些問題 ,可以采用可調式精 密并聯穩壓器 TL431 配合光耦構成反饋回路。 1 UC3843 簡介[ 2]
上傳時間： 2022-02-23
上傳用戶：kingwide
華為AI安全白皮書2018-cn近年來，隨著海量數據的積累、計算能力的發展、機器學習方法與系統的持續創新與演進，諸如圖像識別、語音識 別、自然語言翻譯等人工智能技術得到普遍部署和廣泛應用。越來越多公司都將增大在AI的投入，將其作為業務發展 的重心。華為全球產業愿景預測：到2025年，全球將實現1000億聯接，覆蓋77%的人口；85%的企業應用將部署到 云上；智能家庭機器人將進入12%的家庭，形成千億美元的市場。 人工智能技術的發展和廣泛的商業應用充分預示著一個萬物智能的社會正在快速到來。1956年，麥卡錫、明斯基、 香農等人提出“人工智能”概念。60年后的今天，伴隨著谷歌DeepMind開發的圍棋程序AlphaGo戰勝人類圍棋冠 軍，人工智能技術開始全面爆發。如今，芯片和傳感器的發展使“+智能”成為大勢所趨：交通+智能，最懂你的 路；醫療+智能，最懂你的痛；制造+智能，最懂你所需。加州大學伯克利分校的學者們認為人工智能在過去二十年 快速崛起主要歸結于如下三點原因[1]：1）海量數據：隨著互聯網的興起，數據以語音、視頻和文字等形式快速增 長；海量數據為機器學習算法提供了充足的營養，促使人工智能技術快速發展。2）高擴展計算機和軟件系統：近 年來深度學習成功主要歸功于新一波的CPU集群、GPU和TPU等專用硬件和相關的軟件平臺。3）已有資源的可獲得 性：大量的開源軟件協助處理數據和支持AI相關工作，節省了大量的開發時間和費用；同時許多云服務為開發者提供 了隨時可獲取的計算和存儲資源。 在機器人、虛擬助手、自動駕駛、智能交通、智能制造、智慧城市等各個行業，人工智能正朝著歷史性時刻邁進。谷 歌、微軟、亞馬遜等大公司紛紛將AI作為引領未來的核心發展戰略。2017年谷歌DeepMind升級版的AlphaGo Zero橫 空出世；它不再需要人類棋譜數據，而是進行自我博弈，經過短短3天的自我訓練就強勢打敗了AlphaGo。AlphaGo Zero能夠發現新知識并發展出打破常規的新策略，讓我們看到了利用人工智能技術改變人類命運的巨大潛能。 我們現在看到的只是一個開始；未來，將會是一個全聯接、超智能的世界。人工智能將為人們帶來極致的體驗，將 積極影響人們的工作和生活，帶來經濟的繁榮與發展。
上傳時間： 2022-03-06
上傳用戶：
PT4211-30V350mA高亮度LED恒流驅動器 ALTIUM AD設計硬件原理圖+PCB 工程文件 概述 PT4211是一款連續電感電流導通模式的降壓恒流源，專門針對用于驅動1-3顆串聯LED而設計。PT4211可接受的輸入電壓范圍從5伏到30伏，輸出電流可調至最大350mA。 PT4211 內置功率開關，采用高端電流采樣方式，通過一個外部電阻設定LED平均電流。專用調光DIM引腳可以接受寬范圍的PWM調光信號。當DIM的電壓低于0.4伏時，功率開關關斷,PT4211進入極低工作電流的待機狀態。 PT4211采用SOT23-5封裝。 關鍵特性極少的外部元器件輸入電壓范圍從5V到30V最大輸出350mA電流專用調光管腳可接受PWM調光3%的輸出電流精度LED開路自然保護高達93%的效率輸出可調的恒流控制方法軟過溫保護盡大可能減少高溫下LED閃爍
上傳時間： 2022-03-17
上傳用戶：
◆無線充電是電子產品“無尾化”進程的一部分。搖脫線纜的來縛是消夤電子產業發展的必然趨勢，也是無線互聯網時代的自然害求。包抬3G4G等在內的無線通信技術主要麟決了數據文互的無線化，而能量傳輸的無線化作為“無尾化”發展趨勢的重要組織部分，必須通過無線充電技術來完或。在盤據傳輸無線化進入高湖的今天能量傳的無線化將得到更多的重視。而“無尾化”趨勢的最終發展方向則是無線數據傳輸和無線能量傳的融合◆無踐充電技術在消費電子領域大有可為，消費電子市場下游體量巨大，智能手機平板電腦，PC以及近期越演越烈的可穿鵡風湖為無線充電產品提供了足夠的發展空間。在智能予機和乎板電腦增長呈現疲態的后智能化時代，無線充電技術是各大廠商無法避開的產品創新。而從消費者角度講。無線充電技術在無線互聯網和智能終端大爆發的背景下能夠帶來用戶體驗的大幅提高。◆。無線充電產業啟動的外部環境在2014年得到很大改善，根搭 isuppli的預計到2015年全球無線充電行業產值將達到240億美元，但是其在2013年的滲遺逵度卻遠低于業界預期，主要是成本過高。標準不統一和充電效率不理想這三大固素制了產業啟動。而在2014年，隨著技術的進步以及多模方案的成熱，這些限制概頸將逐一被突破，無線充電產業發展的外部環境將得到很大改善，這就使得產業啟動成為可能巨頭紛紛加入，無線充電產業有望在2014年迎來揚點。不管是在技術實力上，還是場號召力上，行業巨頭的態度直接決定了無線充電產業何時啟動以及以何種方式唇動，而在2014年的CEs上，包括me，高通、悔通等在內的行業巨頭，一改此前出聲不出力的做法，開始實質性的加大了對無線充電技術的投入力度，各種相關產品和方袋紛紛亮相。行業巨頭們的強勢加入將形成巨大的帶動效應，推動無線充電產業在2014年實現實質性啟動
標簽： 無線充電
上傳時間： 2022-03-30
上傳用戶：
目前嵌入式主要開發環境有 Linux、Wince等；Linux因其開源、開發操作便利而被廣泛采用。而 Linux操作系統也只是一個簡單的操作系統，簡單的使用對于嵌入式開發人員來說價值并不很高，真正有價值的是掌握 Linux的基本服務和 Linux的設計理念、思想，這對于嵌入式開發人員的長期發展是很極其重要的。Linux系統有很多發行版，RedHat、Ubuntu、Fedora等。作為嵌入式開發人員，我們沒有必要把精力放到使用哪個 Linux發行版上，而是盡快把 Linux系統盡快安裝好。如果打算堅持長期學習，那么建議您把自己的電腦做成雙系統，而不要在虛擬機上安裝。C語言是嵌入式開發必備的基礎知識。在 Linux下從事C語言的開發，你會覺得更為順暢、更為自然，因為C語言是因unix的出現而誕生的，Linux內核幾乎完全是由C語言編寫完成的。學習C語言，如果不會用指針，那么就稱不上會C語言。做嵌入式開發指針更顯得尤為重要，所以做嵌入式開發除了掌握位操作、限定詞等，對指針的掌握是不可或缺的。而且要掌握多級指針、函數指針等等。涉及到指針，那么就會講到內存分配。在大學中，學習C語言一般的學習很少講到內存分配，但是如果期望從事嵌入式開發，那么就必須懂得C語言是怎么做內存分配管理的。指針之外，還要學習模塊化編譯處理、指針與數組、gcc、Makefile、GDB、遞歸、結構體、宏定義使用等。C語言是整棟嵌入式大廈的基礎，所以在學習嵌入式時，必須把C語言重視起來，多敲代碼，多練。一名優秀的程序員必定是通過“體力勞動”再轉向“腦力勞動的”，這也是為什么我們要有“寫不出代碼=0”思想的原因所在如果說C語言相當于文子，那么數據結構就相學于在造句、寫文章，代嗎質分取決于對數據結構的掌握程度。在數據結構部分我們要把鏈表、樹、排序作為學習重點且我們也可以查看一些比較常見的函數（如 strcopy、strcat、printf等）在內核中是如何實現的，以及編寫代碼模擬堆棧，這不僅有利于編寫代碼質量的提高，而且還可以初步了解 Linux內核精髓，為今后工作打下堅實的基礎
上傳時間： 2022-04-01
上傳用戶：
這是一本關于 C 語言的數組和指針的書。一定有很多人感到納悶：“都哪朝哪代了，還出版 C 語言的書。”C 語言確實是非常陳舊的語言，不過也不可能馬上放棄對它的使用。至少在書店里，C 語言方面的書籍還是汗牛充棟的，其中專門講解指針的書也有很多。既然如此，還有必要舊瓶裝新酒嗎？這才是最應該質疑的吧。但是，每當我看到那些充斥在書店里的 C 語言入門書籍，總會懷疑這些書的作者以前根本沒有使用 C 開發過大規模的系統。當然，并不是所有書的作者都這樣。指針被認為是 C 語言中最大的難點，對它的講解，很多書都搞得像教科書一樣，敘述風格雷同，讓人感覺有點裝腔作勢。就連那些指針的練習題，其中的說明也讓人厭倦。能夠炮制出這樣的書籍，我想一般都得歸功于那些連自己對 C 語言語法都是一知半解的作者。特別是面對那些在封面上堂堂正正地印上“第 2 類信息處理考試”1字樣的書，這種感覺更加強烈。
標簽： 指針
上傳時間： 2022-04-11
上傳用戶：
PyTorch是一個基于Torch的Python開源機器學習庫，用于自然語言處理等應用程序。它主要由Facebookd的人工智能小組開發，不僅能夠 實現強大的GPU加速，同時還支持動態神經網絡，這一點是現在很多主流框架如TensorFlow都不支持的。 PyTorch提供了兩個高級功能： 1.具有強大的GPU加速的張量計算（如Numpy） 2.包含自動求導系統的深度神經網絡 除了Facebook之外，Twitter、GMU和Salesforce等機構都采用了PyTorch。官方教程包含了 PyTorch 介紹，安裝教程；60分鐘快速入門教程，可以迅速從小白階段完成一個分類器模型；計算機視覺常用模型，方便基于自己的數據進行調整，不再需要從頭開始寫；自然語言處理模型，聊天機器人，文本生成等生動有趣的項目。
標簽： pytorch
上傳時間： 2022-04-16
上傳用戶：canderile
