搜索资源列表
zerone
- 【题目描述】 Adam 和Eve 被赶出伊甸园后，盖起了四面高墙。高墙上写着n 行01 串。两人无事可做，于是 开始就这些01 串做如下博弈： 1. Adam 进行第1 手，此后双方轮流操作。 2. 第 i 手的操作者，可以且必须在0 和1 之间选择，并相应地抹掉某些串。具体地，若选择 0（1），则抹掉第i 位为0（1）的所有串。长度短于i 的串，也须抹掉。 3. 一方操作之后若将所有串都抹掉了，则判该方失败。
sebbr
- 本程序为vb编制,在文本框内输入汉字(手写)点击Ctrl即可出拼音 适合不太会拼音(只会手写)的中老年,查看正确拼音-For vb to compile this program, in the text box input Chinese characters (handwritten) click Ctrl, pinyin Suitable for less likely to pinyin (only handwritte
Supersonic-electonic-pen-design
- 随着计算机应用的普及，对便携式输入设备的要求也越来越高。人们希望能随时随地用电子设备记录下原始的书写内容。传统的基于传感材料的手写笔系统需要特殊的书写材料，使它的应用范围受到限制。超声波相对与电磁波速度要小得多，其传播的时间较容易检测，将其应用于电子笔系统中，可以使输入设备更加便捷，笔迹跟踪准确。-supersonic electronic pen design by TMS320VC5509A
stm32-handwrite-_recognize
- 基于stm32的手写识别程序：开机的时候先初始化手写识别器，然后检测字库，之后进入等待输入状态。此时，我们在手写区写数字/字符，在每次写入结束后，自动进入识别状态，进行识别，然后将识别结果输出在LCD模块上面（同时打印到串口）。通过按KEY0可以进行模式切换（4种模式都可以测试），通过按KEY2，可以进入触摸屏校准（如果发现触摸屏不准，请执行此操作）。DS0用于指示程序运行状态。-Based stm32 handwriting reco
MyCnn
- 用VS2012实现手写数字识别的卷积神经网络算法，用mnist库作为输入-Using VS2012 to achieve the handwritten numeral recognition of the convolution neural network algorithm, using the MNIST library as an input
TrackStructure
- 手写体数字识别系统 可执行 c++ 输入图像应为bmp格式图片 可以在画图中手写数字然后保存放入程序中即可-c++
MATLAB
- 实现两个输入信号序列的互相关。返回互相关结果和点数。自己手写代码，要比xcorr效率提高40 左右-read up
2.source_code
- 基于决策树的手写字符识别，动态识别输入的笔画顺序，位置等，类似于在线字符识别，具有较高的准确率。可以在QT打开。-handwriting charactor recognition based on random forests.
qetwbrk__concept
- vb手写屛 可输入 任意波形 输出1024个采样点,很好用的-Vb to write a 屛 can input an arbitrary waveform output 1024 sampling points, very useful
mybatis-generator-core-1.3.2
- 能够帮助程序员自动生成代码，避免手写的错误，解压到一个包下，打开CMD在控制台输入java -jar mybatis-generator-core-1.3.2.jar -configfile generatorConfig.xml -overwrite命令即可(Can help the programmer to generate code automatically, avoid handwriting errors, unpack
圣魂科技12.10A
- 今天给大家一个小软件练练手，这个软件是个利用摄像头拍摄学籍照片用的小程序，应该是非常实用的一个软件，此软件是要收费的，所以仅供大家学习使用！本人也用Delphi7.0写过一个类似的软件，给人用过，如果哪位需要我可以分享给大家！（版主：这不应该是广告吧！！不要算我违规！！） 启动软件，点击注册按钮，输入假码，他没反应（后面在OD中可以看出他的注册码有长度限制）(Today to give you a small software pra
63267975multipath_doppler
- 如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”后，经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够作出迅速、准确的判断和识别。