Draw an egg(2)

最新推荐文章于 2025-04-14 14:52:25 发布

最新推荐文章于 2025-04-14 14:52:25 发布 · 97 阅读

It'salso easy to draw an egg with the curve y^2=(sin(x)*(1+cos(x)/π)).

PrivateSubForm_Click()

Me.Caption="Drawanegg"

DimpiAsSingle,XAsSingle
pi=4*Atn(1)

Me.Scale(-1,-2)-(4,2)

ForX=0TopiStep0.0005

Me.Circle(X,-Sqr(Sin(X)*(1+Cos(X)/pi))),0.01,vbWhite

Me.Circle(X,Sqr(Sin(X)*(1+Cos(X)/pi))),0.01,vbWhite

Next

EndSub

It returns:

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

iteye_19871

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【开发者指南- 01 】pyopenGL安装和简要说明

gongdiwudu的专栏

02-17

5945

OpenGL(Open Graphics Library，译为“开放式图形库”) 是用于渲染2D、3D矢量图形的跨语言、跨平台的应用程序编程接口（API）。这个接口由近350个不同的函数调用组成，用来绘制从简单的图形元件到复杂的三维景象。OpenGL常用于CAD、虚拟现实、科学可视化程序和电子游戏开发。

Draw an egg

laravel framework

12-11

161

It's very easy to draw an egg with the curve y^2=(x^2-1)*(x-π) Private Sub Form_Click() Me.Caption = "Draw an egg" Dim X As Double Me.Scale (-1.5, -3)-(1.5, 3) For X = -1 To 1 Step 0.0005 Me.Circle ...

参与评论您还未登录，请先登录后发表或查看评论

Draw an egg(3)

weixin_30662539的博客

12-12

Use 4 arcs to compose an egg shape: PrivateSubForm_Click() Me.Caption="Drawanegg" DimpiAsSingle,XAsSingle pi=4*Atn(1) Me.Scale(-2,-4)-(4,4) Me.Circle(2,0),1,vbCyan,...

三年级上册英语同步练习Lesson9Showmeaball同步练习3接力版学习.pdf

11-28

- 正确答案：Draw an egg.（egg前应用an） 3. Here is it. - 正确答案：Here it is.（it与is交换位置） 4. Show me an table. - 正确答案：Show me a table.（table前应用a） 5. It is an orange? - 正确答案：Is ...

win10下detectron2编译安装方法及问题汇总

lishiyu93的博客

05-06

6986

环境硬件硬件： CPU：Intel®Core™i5-10400F CPU @2.90GHz 2.90GHz GPU: NVIDIA GeForce GTX 1660 Ti （6G显存）内存：16.0GB(15.9GB可用) 软件： Visual Studio 2019 CUDA10.1，cudnn Anaconda3 torch 1.6.0+cu101 torchvision 0.7.0+cu101 python=3.8.0 detectron2 准备工作 Anaconda3,Visual Stud

Win11 pytorch 1.13 安装detectron2的艰难

qq_32614525的博客

08-04

1252

Windows 11下detectron2 编译安装【高版本cudatoolkit(v11.7) pytorch=1.13】无痛安装Win11 查看硬件环境可以在cmd中输入DXDIAG。

MAC Mini M4 上测试Detectron2 图像识别库

姚家湾博客

04-14

673

断断续续地做图像识别的应用，使用过各种图像识别算法，一开始使用openCV 做教室学生计数的程序。以后又使用YOLO 做医学伤口检测程序。最近，开始使用meta 公司的Detectron2.打算做OCR 文档结构分析

12-05

12-05

【环境遥感监测】基于Google Earth Engine的空气质量数据获取系统：多污染物时空序列提取与分析工具设计

12-05

内容概要：本文介绍了一个基于Google Earth Engine（GEE）的空气质量数据获取工具类 `GEEDataFetcher`，旨在从GEE平台高效提取多种污染物（如SO₂、NO₂）的时间序列与空间数据。该工具支持区域筛选、多污染物批量获取、日/月时间分辨率聚合，并采用批处理和并行机制优化性能，避免请求超限。同时提供了认证初始化、数据导出为CSV、空间影像生成等功能，便于后续分析与可视化。; 适合人群：具备Python编程基础，熟悉pandas、ee等库的数据分析师、环境科研人员或地理信息系统（GIS）开发者；有遥感数据处理需求的研究生或技术人员；; 使用场景及目标：①用于获取特定区域（如德里）长时间序列的空气污染数据，支持环境变化趋势分析；②结合统计分析或机器学习模型进行空气质量预测；③生成空间分布图辅助决策与政策制定；④教学演示中展示GEE与Python集成应用；阅读建议：建议结合实际区域与污染物配置运行示例代码，理解各参数作用；注意处理GEE认证问题，推荐在Jupyter环境中逐步调试；可扩展本工具以接入更多传感器数据源或集成Polars提升大数据处理效率。

各大厂商信息mac地址对应表

12-05

各大厂商信息mac地址对应表

知识星球智驾机器人技术前线内容同步项目是一个专注于自动驾驶与机器人领域前沿技术分享与交流的开源知识库致力于每日更新并系统化整理该领域的最新研究成果优秀论文深度解析工程实践方案.zip

12-05

为区域科技创新体系选择新一代技术转移SaaS系统，需要关注哪些核心要点？.docx

12-05

聚焦AI+技术转移、院所成果转化与知识产权管理，以人工智能为底座的数智化科技创新平台，为提升区域科技管理与创新能力提供全面解决方案，驱动地方产业升级。

MATLAB主动噪声和振动控制算法-对较大的次级路径变化具有鲁棒性

12-05

内容概要：本文介绍了一种基于MATLAB实现的MATLAB主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性主动噪声和振动控制算法，该算法具备对较大的次级路径变化具有较强鲁棒性的特点。文中重点探讨了在实际应用环境中，当系统传递路径发生显著变化时，传统自适应控制算法可能失效的问题，并提出相应的解决方案，通过算法优化提升控制系统在动态环境下的稳定性与控制效果。该研究适用于需要高精度噪声与振动抑制的工程场景，如汽车、航空航天及精密仪器等领域。; 适合人群：具备一定信号处理与控制理论基础，熟悉MATLAB编程，从事噪声与振动控制、自动化、机电系统研发等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标：①用于开发对环境变化敏感的主动噪声控制（ANC）系统；②提升在次级路径不确定性条件下的控制鲁棒性；③为相关领域的算法仿真与验证提供MATLAB代码参考与技术支持；阅读建议：建议读者结合文中提供的MATLAB代码进行仿真实验，深入理解算法结构与参数调节机制，并可进一步扩展应用于多通道、非线性系统等复杂场景。

Nice Vibrations 4.1.1

12-05

手机震动插件，兼容Android和IOS，好用适用说明：https://blog.youkuaiyun.com/LLLLL__/article/details/106500151

最新发布

12-05

内容概要：本资源属于电商系列实战项目，包含两个核心模块的Python源码：推荐系统模块：实现了基于用户(User-based)的协同过滤推荐算法，模拟电商“猜你喜欢”核心逻辑，通过计算用户相似度进行商品推荐。数据分析模块：模拟电商大促期间的销售数据，并使用Matplotlib库进行可视化展示，生成销售趋势折线图。适用人群：计算机/数据科学专业的学生、电商后台开发初学者。使用场景：课程设计、电商项目Demo演示、算法入门学习。代码注释清晰，下载即用。

ArcGIS挂图图边1170mm*870mm

12-05

ArcGIS挂图花边，纸张大小：1170mm*870mm。内图廓大小：1080mm*790mm 分为横竖两个图边，ai格式。让挂图瞬间上一个档次。

面向制造业的鲁棒机器学习集成计算流程研究（Python代码实现）

12-05

内容面向制造业的鲁棒机器学习集成计算流程研究（Python代码实现）概要：本文围绕“面向制造业的鲁棒机器学习集成计算流程研究”展开，重点探讨了如何在制造环境中构建具备强鲁棒性的机器学习集成计算框架，并提供了基于Python的代码实现。研究聚焦于应对制造业中常见的数据不确定性、噪声干扰和工况变化等问题，提出了一套集成化的计算流程，涵盖数据预处理、特征工程、模型训练、集成学习策略以及鲁棒性优化机制。文中强调通过多模型融合、异常检测、自适应学习等技术提升系统稳定性与泛化能力，适用于复杂工业场景下的预测、分类与质量控制任务。; 适合人群：具备一定Python编程基础和机器学习知识，从事智能制造、工业数据分析、自动化控制等相关领域的科研人员及工程技术人员，尤其适合研究生、企业研发人员及工业AI项目开发者。; 使用场景及目标：①应用于工业生产过程中的质量预测、故障诊断与能效优化；②构建抗干扰能力强的智能制造决策系统；③实现对多源异构工业数据的高效建模与稳定推理，提升生产线智能化水平。; 阅读建议：建议结合文中提供的Python代码实例，配合实际工业数据集进行复现与调优，重点关注集成策略与鲁棒性模块的设计逻辑，同时可扩展应用于其他工业AI场景。

Draw2D示例：绘制弧形

"Samples about Draw2D - Eclipse 插件示例" Draw2D 是一个用于在Eclipse环境中创建2D图形的开源库，它提供了一系列API来帮助开发人员轻松地在SWT（Standard Widget Toolkit）应用程序中绘制各种形状，如线条、弧形...