登录社区云，与社区用户共同成长
邀请您加入社区
最近接到一个物联网项目，就是做一个蓝牙控制继电器的案例，主控芯片采用国产沁恒CH592F,之前从没有用这个芯片开发过，所以对芯片并不了解，项目中有两个温度传感器，需要用到单片机ADC采集并转换成温度值，本来这个都比较简单的，也没有什么好说的，但是采集过程却一波三折，下面我给大家细细道来。后面找了好久的错误，但一直都没有找到，本来想偷懒，不想看数据手册，现在没有办法了，只能拿出手册仔细查看了，不看不
基于CORDIC的FFT硬件加速器实现，并将其搭载到小型SOC系统上，工程包含：1 设计文档2 系统verilog代码3 keil纯软件实现算法4 算法matlab代码在数字信号处理（DSP）的诸多应用场景中，快速傅里叶变换（FFT）是实现信号频谱分析、滤波、调制解调等功能的核心算法，广泛应用于雷达、宽带通信、图像处理等领域。随着嵌入式系统对实时性、低功耗和高集成度的需求不断提升，传统纯软件实现的
1020-(顶刊复现)配电网两阶段鲁棒故障恢复(matlab实现)参考资料为：《Robust Restoration Method for Active Distribution Networks》复现自中科院一区期刊IEEE Transactions on Power Systems使用matlab+yalmip+gurobi进行求解代码逻辑清晰，注释详细本文提出了一种具有两阶段目标的可调鲁棒恢
模型包里附带的参考文献才是真正的宝藏，特别是那份2003年的SAE论文，里面详细揭秘了魔术公式中各个参数的物理含义。不过要提醒新手的是，直接拿默认参数去仿真超载卡车工况，回正力矩的输出可能会让你怀疑人生，这时候就得回到那个载荷-摩擦系数模块里微调分段函数的转折点了。注意看那个(1 - 0.5*C)的骚操作，这其实是给纵向力和侧向力耦合留的后门。模型里有个特别有意思的"载荷-摩擦系数"转换模块，这玩
本方案是「核心用户精准反馈+人工闭环」基础方案的增量进阶版，核心目标是在现有豆包产品/技术框架内，通过新增轻量模块，解决基础方案的隐性短板，实现「噪音更少、人工成本更低、迭代周期更短、落地风险更低」的核心用户共创驱动模型升级，全程合法合规，改造成本可控，兼顾短期落地效率与长期迭代收益。核心逻辑：核心用户共创+AI自主升级+灰度验证闭环，复用现有核心用户体系、结构化反馈、AI匹配引擎等基础功能，新增
电池充电放电控制 Matlab/simulink仿真搭建模型：介绍：该模型介绍了在案例研究中实现的电池充电/放电控制，该案例研究涉及直流总线（恒定电压）、电池、公共负载和双向双开关降压-开压 DC-DC 转换器。电池充电和放电的控制基于两个PI控制器：提供以下帮助：波形纪录参考文献仿真文件电机参数说明仿真原理结构和整体框图在电力系统和能源管理的研究中，电池充电放电控制至关重要。
动态规划算法DP在混合动力汽车能量管理策略开发上的运用。可以结合车速预测模型（BP或者RBF神经网络，预测模型资料也有发在其他链接）根据预测的信息对车辆进行控制可以对混动汽车的能量管理具有一定的参考意义。DP动态规划程序主要适用于MPC（模型预测控制）或其基于MPC的能量管理策略的预测时预内的混动优化算法！——和模型预测MPC结合运用，加上预测模型可实现在线预测近似实时最优！！（本人编写DP就是与
通过 Matlab & Simulink 对基于最优控制的汽车 1/4 主动悬架系统进行仿真，利用 lqr 和 Hinf 控制方法，可以有效改善悬架系统性能。lqr 基于二次型性能指标优化，而 Hinf 更侧重于应对不确定性。大家可以根据实际需求选择合适的控制方法，调整参数，探索更多悬架系统的奥秘。希望这些现成模型和代码能给你的研究或学习带来帮助，一起在汽车工程仿真的世界里折腾吧！基于最优控制的汽
翻译成三地址代码： （1）t1=3.14*a （2）t2=t1*a （3）area=t2 （4）t3=2*3.1416 （5）t4=t3*r （6）t5=h+r （7）t6=t4*t5 （8）s=t6。内容：设计并实现一个一遍扫描的词法语法语义分析程序，将部分C语言的语法成分（包含赋值语句、if语句、while循环语句）翻译成三地址代码，要求有一定的出错提示和错误恢复功能。内容：采用实验1的简单语
最后，我们将蚁群算法得到的目标点最优顺序与 A* 算法规划的两两之间路径进行组合，得到最终的路线。final_route.append(points[0]) # 回到起点从起点开始，依次根据最优顺序，利用 A* 算法规划相邻目标点之间的路径，并将路径上的点加入最终路线，最后回到起点。通过以上三个步骤，我们成功地用蚁群 + A* 算法解决了室内旅行商问题，为送餐移动机器人规划出了最优的路径😎。希望
本文解析开源 AI 智能体 Moltbot 的核心技术架构，详解其多平台兼容、AI 集成、向量检索等核心特性，拆解网关、Agent 等核心组件设计逻辑。同时提供本地与云端多场景部署实操指南，讲解环境配置、参数调优要点，助力快速搭建专属智能助手。
本文对比了Llama3、Qwen2.5、Mistral三款开源大模型的中文微调表现。实验采用统一任务和参数设置，结果显示：Qwen2.5在中文任务上表现最优，微调后准确率最高；Mistral显存占用最低，推理速度最快；Llama3英文能力强但中文支持较弱。建议中文开发者优先选择Qwen2.5，低算力用户考虑Mistral，英文任务可选Llama3。未来开源模型将朝着轻量化、自动化方向发展，选对合适
摘要 近五年（2020-2025）IPMC人工肌肉研究在工程化应用方面取得重要进展。针对致动端和传感端的性能缺陷，研究明确了量化指标：致动端聚焦输出力密度（阻塞力、自由位移）、动态一致性（增益/相位漂移）和循环寿命（≥10000次）；传感端解决了高阻抗信号（输入阻抗≥10¹²Ω）、温湿度耦合干扰和致动/传感串扰问题。材料方面，液态金属复合电极（EGaIn）相比传统Pt电极提升驱动力41.2%，循环
盲目搜索我们将学习两类主要的搜索过程。其中之一，我们没有指定问题的任何推理信息，例如要搜索这一部分而不是另一部分，就像到目前为止的只要发现一条到目标的路径即可。这种搜索是盲目的。另一种，我们指定了要解决问题的信息以帮助集中搜索。这个过程叫启发式搜索。本章讨论盲目搜索，下一章再讨论启发式搜索过程。用公示表示状态空间很多实际问题的搜索空间是非常大的，以至于他们不能通过显示图来表示。这里我们关心下...
子串，字符串，kmp算法
图片和视频是非结构化数据，机器如果要理解某一图片或视频表达的内容，是无法直接分析的，这种情况，就需要有计算机视觉技术，通过一系列对图片/视频的分析及处理技术，提取图片/视频中的元素，将图片转化为一系列的特征，将计算机对图片的理解转化为人类可读的信息，比如文本描述、标记、图形等，也就是可被机器理解的结构化数据。计算机视觉可以模仿人的视觉系统，通过机器学习等技术解决图片和视频的分析等问题。以上是计算机
/ 自定义地图示例// true 表示障碍物，false 表示可通行这样我们就简单定义了一个 5x5 的地图，其中true标识的地方就是障碍物，机器人不能通过。我们在地图设置时就已经通过true和false来标识障碍物了。在实际应用中，可能会根据传感器数据实时更新这个地图，比如检测到新的障碍物就把对应位置设为true。
算法交易又称为黑盒交易，是指凭借IT技术的发展，利用算法完成订单拆分、挂单和撤单等交易环节，提供以成交为目的的自动化交易执行。这些券商与市场中主流的优秀算法厂商合作打造了种类丰富的策略交易平台，一般称之为“算法超市”，算法超市中汇聚了多家厂商的多样化算法，并且算法库持续更新，不断进行优胜劣汰的筛选迭代，旨在为机构投资者、高净值客户提供专业化、多元化的算法交易工具。之前的文章中我们提到过国内主流的、
【C++】vector 基本使用一，vector 的介绍 二，vector 的定义 1，vector() 2，vector（size_type n, const value_type& val = value_type()） 3，vector (const vector& x) 4，vector (InputIterator first, InputIterator last); 三，ve
【Python强化学习】动态规划法中策略迭代和值迭代求解冰湖问题实战（图文解释 附源码）
本报告旨在为构建一个简化的AI增强型光学设计与仿真模型提供一份全面的蓝图，该模型的核心在于将传统光学设计软件（OAS）的强大仿真能力与人工智能的智能化决策和预测能力相结合。该报告重新定义了用户所提出的“简易模型”概念，将其转化为一个结构化、多阶段的可行性验证项目，以应对该领域固有的技术复杂性。核心策略是利用国产OAS软件的CPython脚本接口，自动化生成大规模、高质量的光学仿真数据集，这被视为A
Turbo码的结构与编码编码器包含两个并联的递归系统卷积码编码器和一个交织器两个编码器生成的校验比特在删除器中按一定规则进行删除，最后和信息比特复用，得到编码序列Turbo编码举例CDMA2000采用的成员编码器是八状态RSC编码器：在一开始计算时，由于递归的原因，输出信息进入输入，计算搞得一塌糊涂，以成员编码器1为例，介绍一下我现在的想法：假设输入序列： [1，0，1，0，0，1，0，
Newton和阻尼Newton收敛速度快，但需计算 Hesse 矩阵的逆，计算量大。现有 n 阶正定矩阵近似代替 Hesse 矩阵的逆，由此产生的方法称为变尺度法，称为尺度矩阵。
本文章讲解acwing187导弹防御系统
人工智能经典问题，八数码问题求解，多种搜索算法大全，BFS，DFS，UCS，A*，贪婪算法，迭代加深IDS，有界深度搜索，C语言版，保证看懂，分析到位，注释详细，没有bug
迭代加深搜索（Iterative Deepening Search, IDS）是一种结合了广度优先搜索（BFS）和深度优先搜索（DFS）的搜索策略，它通过重复执行深度限制的深度优先搜索来实现。在main函数的最后，我们调用了depthFirstSearch方法，这次没有深度限制，来最终确认目标是否被找到。这是因为在实际的IDS实现中，一旦确定了目标所在的最小深度，就可以无限制地搜索以找到目标。迭代
刷
码蹄集部分题目（2024OJ赛13期；贪心集训+递归集训）
根据处理和分析得到的数据，选择适当的图表类型进行土壤属性图的绘制。2. 数据转换：将原始数据进行转换，例如将不同格式的数据统一化，将文本数据转换为数字形式，以便于后续分析和处理。5. 数据可视化：使用图表、地图等可视化工具展示土壤属性图数据，以便于直观地观察和分析数据，发现规律和趋势。6. 模型分析：利用统计模型或机器学习算法分析土壤属性图数据，建立预测模型，预测土壤属性的变化和分布情况。对绘制的
4090、A6000、L40：谁是DeepSeek-R1-70B模型的最强“引擎”？附详细测试报告
著名国产大模型产品有：百度文心一言，阿里巴巴通义千问，腾讯混元大模型，华为盘古大模型，字节跳动云雀大模型，商汤科技书生，科大讯飞星火大模型，智谱AI的GLM系列，深度求索的DeepSeek-V3，澜舟科技孟子大模型，MiniMax的ABAB大模型，零一万物Yi系列，百川智能Baichuan系列，月之暗面Kimi Chat，昆仑万维天工大模型。深度启星河，求索数作舟。与传统的AI不同，AGI的目标是
多年来，端到端加密 (E2EE) 一直是 WhatsApp、微信 和 QQ 等社交软件消息是传递不可或缺的一部分。在过去一年中，Zoom等视频会议 已将安全措施添加到其视频会议平台中，随后微软将其添加到 Teams 中——这突显了 E2EE 作为一种强大的安全选项，对于已将云计算作为标准商业模式的企业来说越来越受欢迎。
收集和分析数据日益复杂，新的技术和方法持续出现。DSDE 2024是一个展示和讨论最新存储和数据工程技术如云存储、大数据处理和分析、以及人工智能在数据处理中应用的国际学术交流平台。让来自世界各地的学者、研究人员及专家们分享和交流最前沿的研究成果、技术进展和经验心得，促进该领域的学术发展和技术创新。投稿文章将经过严格的审稿过程，最终录用并完成注册和报告的文章将由ACM出版至会议论文集(ISBN: 9
一文带你由浅入深掌握list模拟实现+反向迭代器
目录一、深浅拷贝是什么？二、深浅拷贝基础（数据类型）1.基础数据类型（值传递）2.复杂数据类型（地址传递）三、深浅拷贝怎样操作（代码示例）1.浅拷贝：1）通过Object.assignforin 进行浅拷贝2.深拷贝：1）深拷贝最简单的实现是: JSON.parse(JSON.stringify(obj))2）实现一个 deepClone 函数 （深拷贝，完美）3）递归拷贝一、深浅拷贝是什么？首先
迭代加深
——迭代加深
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AI硬件创业社区
openvela
AtomGit开源社区
魔乐社区
DAMO开发者矩阵
2048 AI社区
开源鸿蒙跨平台开发者社区
量化交易与投资社区
智能机器人开发者大赛社区
九章云极普惠算力
AI编程社区
DeepSeek技术社区
华为开发者空间
西安城市开发者社区
