随身Q:基于位置的即时微问答应用

Diggerlab公司推出的随身Q是一款结合了LBS和微博问答功能的创新产品,目前正在进行alpha内部测试。该产品由一群来自早稻田/庆应大学的华人研究生和在校生组成的团队开发,已获得硅谷风投公司的种子投资,并正大量招聘工程师与设计人员以加速正式上线。随身Q基于位置的问答特色使其在LBS应用市场中独具一格。

随身Q是Diggerlab公司的一款基于地理位置的问答服务的产品。目前正在alpha内部测试中。Diggerlab是一家关注社交媒体,移动互联网,与众包模式的互联网创业公司。公司今年初在东京成立, 9月才刚搬家到上海。据说已经获得硅谷风投公司的种子投资. 有包括美国三大创业加速器之一 500 startup创始人在内的顾问导师。当前团队主要由早稻田/庆应大学研究生院毕业或尚在校的华人组成。据悉公司最近正在大量招聘工程师与设计人员,相信这也是想加紧随身Q的正式上线。很是期待。

随身Q的服务类型是LBS+微博问答,最大的特色是基于位置上的问答。这可能也是与飘信/区区小事/对角这些LBS应用的一些区别吧。App Store和Android版本可能同时上线。

下面是7月24日随身Q发布的主页截图:

南方雷锋网专稿,转载请注明!)
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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