使用Unity ASE插件时的相关问题

ASE编辑器中对数值的修改有时候不起效果
分为2种情况:

  1. 当你把shader文件拖进ASE编辑器时
    这时ASE编辑器的作用只是修改shader代码,而Properties的设置,shader是没法修改的,都是在材质球下面设置。因为这时编辑器并没有跟材质关联起来,所以你看起来可以在ASE中设置Color、Texutre等数据,实际上不会产生任何作用!他只是作为编辑器的参考而已。如图1在这里插入图片描述
    [图1]

  2. 当从材质内打开ASE编辑器时
    操作如图2在这里插入图片描述
    [图2]

这时通过材质打开的,编辑器就可以跟材质关联了,这时编辑器中对数值的设置就会同步到材质上,如图3
在这里插入图片描述
[图3]

ASE插件的clip节点使用方法
在这里插入图片描述
[图4]
如图4,clip有3个参数,1个输出
参数1:clip其实没有输出结果,但是如果clip处理失败(clip的传入值>0),仍然需要往下走,所以这个参数其实是作为clip处理失败时,会将这个参数一起输出
参数2:这个才是clip真正传入的参数,也就是clip(Alpha)
参数3:假如这个参数有传,那么就是clip(Alpha-Threshold),不传则是clip(Alpha)
输出:当clip没有裁剪时,则将参数1传出
测试如图5
在这里插入图片描述
[图5]

生成的代码如图6
在这里插入图片描述
[图6]

ASE对Properties的命名
在这里插入图片描述
[图6]
如图6,我将Name设置为Col,但其实他的变量名是_Col,Col只是为了显示而已
也就是说,在C#里面要用的时候,必须mat.SetColor(“_Col”, color);否则修改会失败

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值