相关推荐

M31S1322_01_3.1寸oled模组驱动资料_201505

M31S1322_01_3.1寸oled模组驱动资料_201505

M31monkeykong

M31monkeykong

M31S1322_01_3.1寸oled模组驱动资料

M31S1322_01_3.1寸oled模组驱动资料

[编程常用英语词汇]

[编程常用英语词汇] A 英文 译法 1 译法 2 译法 3 a block of pointers 一块指针 一组指针 abbreviation 缩略语 abstract 抽象的 abstract syntax tree, AST 抽象语法树 abstraction 抽象 abstraction barrier 抽象屏障 抽象阻碍 abstraction of function calls 函数调用抽象 access 访问 存取 a

好书系列之-设计模式：可复用面向对象软件的基础 1

第1章引言设计面向对象软件比较困难，而设计可复用的面向对象软件就更加困难。你必须找到相关的对象，以适当的粒度将它们归类，再定义类的接口和继承层次，建立对象之间的基本关系。你的设计应该对手头的问题有针对性，同时对将来的问题和需求也要有足够的通用性。你也希望避免重复设计或尽可能少做重复设计。有经验的面向对象设计者会告诉你，要一下子就得到复用性和灵活性好的设计，即使不是不可能的至少也是非常困难的。一个设

More Effective C++ 条款31 让函数根据一个以上的对象类型来决定如何虚化

1. 假设要编写一个发生在太空的游戏,其中有飞船(spaceship),太空站(space station)和小行星(ssteroid),使它们继承自一个抽象基类GameObject,整个继承体系像这样: class GameObject { ... }; class SpaceShip: public GameObject { ... }; class SpaceSt...

【more effective c++读书笔记】【第5章】技术(7)——让函数根据一个以上的对象类型来决定如何虚化(1)...

一个虚函数调用动作称为一个消息分派，如果某个函数调用根据两个参数而虚化就称为双重分派，根据多个函数而虚化称为多重分派。C++不支持双重分派和多重分派，因此我们必须自己实现。有以下几种方法： 一、虚函数 + RTTI（运行时期类型辨识） //GameObject.h #ifndef GAMEOBJECT_H #define GAMEOBJECT_H class GameObject{ ...

【more effective c++读书笔记】【第5章】技术(7)——让函数根据一个以上的对象类型来决定如何虚化(1)

一个虚函数调用动作称为一个消息分派，如果某个函数调用根据两个参数而虚化就称为双重分派，根据多个函数而虚化称为多重分派。C++不支持双重分派和多重分派，因此我们必须自己实现。有以下几种方法： 一、虚函数 + RTTI（运行时期类型辨识） //GameObject.h #ifndef GAMEOBJECT_H #define GAMEOBJECT_H class GameObject{ //抽象

ozcollide碰撞检测库

OZCollide是很不错的开源的碰撞检测库，它提供了一些便于调用的的C++ API，包含fast tri-box intrs及其其他多种高效碰撞检测算法，能够有效用于粒子系统的碰撞检测！

二重调度（一）：什么是二重调度？

有时，借用一下Jacqueline Susann的话：一次是不够的。例如你有着一个光辉形象、 崇高声望、丰厚薪水的程序员工作，在Redmond，Wshington的一个著名软件公司－－当然，我说的就是任天堂。为了得到经理的注意，你可能决定编写一个video game。游戏的背景是发生在太空，有宇宙飞船、太空站和小行星。  在你构造的世界中的宇宙飞船、太空站和小行星，它们可能会互相碰撞。假设其规

C++语言中“_T”是什么意思？

_T("")是一个宏,他的作用是让你的程序支持Unicode编码 因为Windows使用两种字符集ANSI和UNICODE， 前者就是通常使用的单字节方式， 但这种方式处理象中文这样的双字节字符不方便， 容易出现半个汉字的情况。 而后者是双字节方式，方便处理双字节字符。 Windows NT的所有与字符有关的函数都提供两种方式的版本，而Windows 9x只支持ANSI方式。 如果你编译一个程序为ANSI方式， _T实际不起任何作用。 而如果编译一个程序为UNICODE方式，则编译器会把"Hello"字符串

单分派与多分派,聊天记录

2007-12-17 23:06:01 lct The solution to these problems is to replace dynamically-dispatched messages with one or more statically-bound procedure calls wherever possible, to inline-expand the callee me...

混合A*算法研究

　　混合A可以看成是探索树和A算法的混血，适合有运动约束的机器人路径规划，例如无人车。就连Matlab居然都内置了混合A*算法函数：plannerHybridAStar，可见这个算法挺有名，但是Matlab使用了占据栅格地图进行碰撞检测。 1　混合A*算法的基本思想 　　混合A算法的思想比较简单，利用探索树生成一段段可行的短路径，然后利用A算法的思想计算启发函数，引导探索树向目标生长。为了限制探索树生长的过密，将空间离散化成栅格，每个栅格只能存在一个树枝。 3　混合A*算法的缺点 　　需要设置的参数有： 　

Hybrid-A-Star 满足车辆运动学约束的全局路径规划算法源码（补充）

论文部分：＜论文阅读＞ Path Planning in Unstructured Environments : A Real-time Hybrid A* Implementation 混合A星算法在A星算法的基础上，添加了车辆转向的约束，从2D(x,y)2D(x,y)2D(x,y)点路径规划转变成3D(x,y,theta)3D(x,y,theta)3D(x,y,theta)点的路径规划算法。不过保留了A星经典的启发式思想，不过在混合A星中，添加了转弯、转向等惩罚。 首先阅读node3d.cpp和nod

o

转载于:https://blog.51cto.com/6393772/1109366

二重调度（五）：使用非成员的碰撞处理函数实现

我们现在知道了怎么构造一个类似vtbl的映射表以实现二重调度的第二部分，并且我 们也知道了怎么将映射表的实现细节封装在lookup函数中。因为这张表包含的是指向成员函数的指针，所以在增加新的GameObject类型时仍然需要修改类的定义，这还是意味着所有人都必须重新编译， 即使他们根本不关心这个新的类型。 例如， 如果增加了一个Satellite类型， 我们不得不在SpaceShip类中增加

毕业设计基于STC12C5A、SIM800C、GPS的汽车防盗报警系统源码.zip

STC12C5A通过GPS模块获取当前定位信息，如果车辆发生异常震动或车主打来电话（主动请求定位），将通过GSM发送一条定位短信到车主手机，车主点击链接默认打开网页版定位，如果有安装高德地图APP将在APP中打开并展示汽车当前位置 GPS模块可以使用多家的GPS模块，需要注意的是，当前程序对应的是GPS北斗双模芯片，故只解析 GNRMC数据，如果你使用GPS芯片则应改为GPRMC数据即可。 系统在初始化的时候会持续短鸣，每初始化成功一部分后将长鸣一声，如果持续短鸣很久（超过20分钟），建议通过串口助手查看系统输出的调试信息，系统串口默认输出从初始化开始的所有运行状态信息。 不过更建议你使用SIM868模块，集成GPS.GSM.GPRS，使用更加方便

基于tensorflow2.x卷积神经网络字符型验证码识别.zip

基于tensorflow2.x卷积神经网络字符型验证码识别 卷积神经网络（Convolutional Neural Networks, CNNs 或 ConvNets）是一类深度神经网络，特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性： 卷积层（Convolutional Layer）： 卷积层是CNN的核心组件。它们通过一组可学习的滤波器（或称为卷积核、卷积器）在输入图像（或上一层的输出特征图）上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图，该特征图反映了滤波器所捕捉的局部图像特性（如边缘、角点等）。 通过使用多个滤波器，卷积层可以提取输入图像中的多种特征。 激活函数（Activation Function）： 在卷积操作之后，通常会应用一个激活函数（如ReLU、Sigmoid或tanh）来增加网络的非线性。 池化层（Pooling Layer）： 池化层通常位于卷积层之后，用于降低特征图的维度（空间尺寸），减少计算量和参数数量，同时保持特征的空间层次结构。 常见的池化操作包括最大池化（Max Pooling）和平均池化（Average Pooling）。 全连接层（Fully Connected Layer）： 在CNN的末端，通常会有几层全连接层（也称为密集层或线性层）。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程： CNN的训练过程与其他深度学习模型类似，通过反向传播算法和梯度下降（或其变种）来优化网络参数（如滤波器权重和偏置）。 训练数据通常被分为多个批次（mini-batches），并在每个批次上迭代更新网络参数。 应用： CNN在计算机视觉领域有着广泛的应用，包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据，如文本（通过卷积一维序列）和音频（通过卷积时间序列）。 随着深度学习技术的发展，卷积神经网络的结构和设计也在不断演变，出现了许多新的变体和改进，如残差网络（ResNet）、深度卷积生成对抗网络（DCGAN）等。

【三维装箱】遗传和模拟退火算法求解三维装箱优化问题【含Matlab源码 031期】.zip

【三维装箱】遗传和模拟退火算法求解三维装箱优化问题【含Matlab源码 031期】.zip

自己编写的python 程序计算cpk/ppk

cpk&ppk python 小程序,品友点评