Matlab肺结节分割(肺结节提取)源程序，也有GUI人机界面版本。使用传统图像分割方法，非深度学习方法。使用LIDC-IDRI数据集。工作如下：1、读取图像。读取原始dicom格式的CT图像，并显示，绘制灰度直方图；2、图像增强。对图像进行图像增强，包括Gamma矫正、直方图均衡化、中值滤波、边缘锐化；3、肺质分割。基于阈值分割，从原CT图像中分割出肺质；4、肺结节分割。肺质分割后，进行特征提取

这个项目的目标很明确，就是对从大众点评收集来的商家数据进行深度分析和可视化。大众点评的数据那可丰富得很，涵盖了商家ID、名称、地址、城市、州、邮编、经纬度、星级评分、评论数量、营业状态、属性、类别及营业时间等多个维度。我们会用Pyspark来高效处理这些大规模的数据集，挖掘出商家运营的关键趋势。通过这个基于Pyspark的大众点评数据分析和可视化项目，我们利用Pyspark高效地处理了大规模的商家

本装置DC-DC采用Boost升压，DCAC采用单相全桥逆变电路结构，以TI公司的浮点数字信号控制器TMS320F28335 DSP为控制电路核心，采用规则采样法和DSP片内ePWM模块功能实现PWM和SPWM波。本装置DC-DC采用Boost升压，DCAC采用单相全桥逆变电路结构，以TI公司的浮点数字信号控制器TMS320F28335 DSP为控制电路核心，采用规则采样法和DSP片内ePWM模块

ROS系统下gazebo环境中，无人机结合目标跟踪算法（SiamCar），完成对物体的跟踪（可以是小车或者其他的），然后给出轨迹对比图等评估指标。开发语言：python仿真平台：PIXHAWK运行环境：ros （建议Ubuntu18.04+ros melodic）1、四旋翼无人机跟踪小车或其他2、跟踪算法用siamcar3、轨迹评估确认无人机可以跟踪小车后，可做三个场景：1.、小车直线运动无人机跟

tsmc28nm器件库，可仿真在芯片设计的广袤领域中，TSMC28nm 器件库犹如一颗璀璨的明珠，特别是当其具备可仿真特性时，为工程师们带来了诸多便利与创新可能。今天，咱们就一起来唠唠这个神奇的 TSMC28nm 可仿真器件库。

最终模型在26cm×18cm的FR4板上实现了4.7dBi增益（比预期高0.2），驻波曲线在2GHz处1.42。先说个有意思的现象：同样的阵列布局，用不同批次FR4板实测结果能差0.3dBi增益，介电常数波动坑人不浅。毕竟FR4的脾气你懂的，同一块板子不同区域介电常数都能差个0.1，多加点参数化变量能救命。2GHz微带阵列天线，HFSS仿真模型，介质板为FR4，增益4.5dBi，驻波小于1.5。2

本项目基于FPGA平台，实现了对MCP2515 CAN控制器的完整驱动开发，支持CAN总线数据的发送与接收功能。代码采用Verilog硬件描述语言编写，兼容Xilinx与Altera（现Intel）两大主流FPGA厂商的开发环境，可适配Spartan-6、Cyclone IV E等系列芯片。

时空因果卷积神经网络(ST-CausalConvNet)提出的模型的显著特征是模型架构中的卷积是因果的，其中某个时间步长的输出仅与前一层中相同或更早时间步长的元素进行卷积。因此，该模型不存在从未来到过去的信息泄漏。模型还考虑了多个监测站之间的空间相关性。通过时空相关分析，选择与目标站相关性高的监测站的相关信息。然后将来自目标和相关站点的信息作为输入并馈送到模型中.该代码可以运用到负荷预测、空气质量

基于贝叶斯(Bayes)优化-BiLSTM 神经网络数据预测模型多输入单输出。预测模型均可。开发语言matlab开发语言在现代数据分析领域，预测模型的开发与优化始终是研究者和开发者关注的重点。本文将介绍一种基于贝叶斯优化的双向长短期记忆网络（BiLSTM）模型，用于多输入单输出数据预测任务。通过结合Matlab的深度学习工具箱，本文将详细阐述模型的构建过程、优化方法的应用以及模型性能的评估。

Python代码：考虑需求响应的基于LSTM算法的住宅居民短期负荷预测关键词： LSTM 负荷预测 需求响应 用电模式 居民负荷预测编程语言：python+TensorFlow 平台主题：基于ANN-lstm的住宅居民需求响应负荷预测内容简介：代码主要是做的是考虑住宅居民需求响应的短期负荷预测，提出了一种利用室外温度、电价以及先前负荷预测新的负荷的方法，采用的是全联通神经网络和长短期记忆网络LST