CEAN 1.3 的 iconv 模块可用了

本文介绍使用CEAN 1.3进行字符编码转换的实际操作过程,特别是从GBK到UTF-8的转换,并展示了如何在不同操作系统环境下进行编码转换的步骤。
CEAN1.3出来了,试试那个iconv还能不能用,在Windows下不行 :cry: 经过邮件咨询,原来目前只能用于Linux x86下,其他平台以后会实现。

尝试一下将GBK编码流转换为UTF8编码,就用最简单的例子,
GBK格式的 “你好”,转换为UTF8后应该在GBK环境下显示 “浣犲ソ”,可以参见 [url=http://avindev.iteye.com/blog/72564]这篇文章[/url]

在Windows环境下(GBK),获取 你好 的字节
[quote]1> io:format("~w~n", [<<"你好">>]).
<<196,227,186,195>>[/quote]

在Linux下(UTF8),先启动cean

[quote]1> iconv:start().
{ok,<0.35.0>}
2> {ok, Cd} = iconv:open("utf8", "gbk").
{ok,<<"8\372\b\t">>}
3> iconv:conv(Cd, <<196,227,186,195>>).
{ok,<<"\344\275\240\345\245\275">>}[/quote]

看来Linux 下 Erlang的控制台不能输出中文,那copy到Windows下看看是啥好了。
[quote]2> <<"\344\275\240\345\245\275">>.
<<"浣犲ソ">>[/quote]

OK了。至于为啥在Linux下的Erlang Shell中显示不了中文,这个有待研究~~
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
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