墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
400+累计阅读
417平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
智能优化算法-浣熊优化算法求解单目标问题附matlab代码
智能优化算法是近年来发展迅速的一种计算方法，其在单目标问题的求解方面有着广泛的应用。其中，长鼻浣熊优化算法作为一种新兴的智能优化算法，在寻找全局最优解方面表现出了出色的性能。
本文将介绍基于长鼻浣熊优化算法求解单目标优化问题的方法，并提供相应的matlab实现代码。
长鼻浣熊优化算法的思想来源于浣熊的觅食行为，其特点是具有群体智能、自适应调整等特点。在算法实现过程中，需要根据问题的具体情况确定相关参数，以及采取合适的策略进行调整。
以下是基于长鼻浣熊优化算法求解单目标优化问题的matlab实现代码：
function [bestx, besty]=raccoon_optimizer(fhd,D,Lb,Ub长鼻浣熊优化算法.zip
长鼻浣熊优化算法.zip
长鼻浣熊算法优化BP神经网络的回归分析，长鼻浣熊算法的函数最小值求解，长鼻浣熊算法的参数反演，长鼻浣熊算法路径优化（代码完整）
基于MATLAB编程，长鼻浣熊算法优化BP神经网络的回归分析，长鼻浣熊算法的函数最小值求解，长鼻浣熊算法的参数反演，长鼻浣熊算法路径优化，代码完整，包含数据，有注释，方便扩展应用 1，如有疑问，不会运行，可以私信, 2，需要创新，或者修改可以扫描二维码联系博主, 3，本科及本科以上可以下载应用或者扩展， 4，内容不完全匹配要求或需求，可以联系博主扩展。
Android开发Intent详解
本文详解Android开发Intent。
Bochs源码分析 - 4: 使用ida来调试bochs
前言 bochs内部提供了一个调试器，但是这个命令行调试器相当难用，想找一个gui的debugger。第一次是在百度百科的bochs词条中介绍的peter-bochs-debugger调试器(java编写)，但是后来发现ida也有一个bochs调试器，因为对ida比较熟悉，就选用此作为bochs调试器。 在配置过程中参考博客 https://blog.youkuaiyun.com/cssxn/article/details/90738498 中的配置，但是这是直接发布版本，拿源码编译...
基于扩展卡尔曼滤波（EKF）结合到达时间（TDOA）、到达频率（FDOA）实现多无人机无源定位，MATLAB代码
该程序实现了一种结合到达时间差（TDOA）和到达频率差（FDOA）技术的多无人机定位方法，利用扩展卡尔曼滤波（EKF）对单一目标进行定位。程序通过模拟多无人机的运动及其与目标的相对位置，估计目标的状态（位置和速度）。
使用VIVADO 2019.1 搭建以太网接口
以太网 MAC+SGMII->GMII接口转换 以FPGA V7为例，搭建一个千兆以太网接口。运行环境为Vivado2019.1。板卡的FPGA V7与千兆网口芯片采用SGMII互联，最终实现FPGA与上位机之间的千兆网卡通信，实际实现时，V7采用MAC + GMII ->SGMII的结构。SGMII接口使用1G/2.5G Ethernet PCS/PMA or SGMII ip核，MAC层使用Tri Mode Ethernet MAC ip核。 由于MAC层IP不支持SGMII接口，因此需要G
网格划分理论：CFD理论67 网格划分-三大理论问题_哔哩哔哩_bilibili传统解释非结构化网格是不对的——计算传热学大叔专题讨论2--CFD网格类型_哔哩哔哩_bilibili
传统解释非结构化网格是不对的——计算传热学大叔。fluent计算理论和离散方法原理视频推荐。
铁路场景雷达点云目标识别与追踪系统
本文介绍了一种基于毫米波雷达的铁路货运车站安全监控系统。该系统采用分布式架构，通过多个毫米波雷达节点采集点云数据，经过坐标转换、多雷达融合等处理后，利用机器学习算法实现列车、行人等目标的实时识别与追踪。系统包含数据采集层、处理层、目标识别层、追踪层、预警决策层和可视化层，能够克服传统视频监控受环境影响大的缺点，实现全天候可靠监测。文中详细展示了雷达数据解析和点云预处理的代码实现，包括坐标转换、数据格式解析和体素网格滤波等关键技术。该系统可有效预警铁路场景下的碰撞风险，提升货运车站的安全管理水平。
从 ST22 到根因定位：ABAP Dumps 全景排查指南（含典型 Dump 案例、修复套路与云时代实践）
本文系统介绍了SAP系统中ABAP短转储(Dump)的分析方法。首先指出短转储是程序运行时无法处理的错误导致系统强制终止执行。文章详细解析了短转储报告各区块的作用：从概述性的Short Text和What happened，到核心的Error Analysis和Source Code Extract，再到关键的系统字段Contents of system fields和调用栈Active Calls/Events。针对不同场景提供了排查建议：客户代码应建立可控边界，标准对象优先查阅SAP Notes。最后推
RepHead一种重参数化检测头用于提升YOLOv8在困难样本上的检测性能
在目标检测任务中，困难样本通常是指那些由于特殊背景、遮挡、低分辨率或极度小物体等因素，导致模型难以识别的样本。这类样本对传统YOLO系列模型的影响较大，常常造成漏检或误检。重参数化（Reparameterization）是一种深度学习中常用的技术，旨在通过对网络参数的变换，使得模型在训练过程中能够更加灵活地适应不同的数据特征。通过对原始网络结构的参数进行重新表达，能够引导模型在训练过程中学习到更加有效的特征。本文详细介绍了YOLOv8的改进——RepHead检测头，并深入分析了它在解决困难样本检测中的应用。
TMS_WebGMaps_1.9.8.0_Full_Source
TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder
假人有限元模型
假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
SAP B1中文培訓教材_SDK
公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
2415
扫一扫
