草庐IT

数学论文

全部标签

嵌入式毕设分享 STM32坐姿疲劳提醒系统(源码+硬件+论文)

文章目录0前言1主要功能2硬件设计(原理图)3核心软件设计4实现效果5最后0前言🔥这两年开始毕业设计和毕业答辩的要求和难度不断提升,传统的毕设题目缺少创新和亮点,往往达不到毕业答辩的要求,这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设,学长分享优质毕业设计项目,今天要分享的是🚩毕业设计STM32坐姿疲劳提醒系统(源码+硬件+论文)🥇学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:4分🧿项目分享:见文末!1主要功能本系统由STM32F103C8T6单片机核心板、TFT1.44寸彩屏液晶显示电路、超声波测量电路、光敏

数学建模:K-means聚类手肘法确定k值(含python实现)

原理  当K-means聚类的k值不被指定时,可以通过手肘法来估计聚类数量。  在聚类的过程中,随着聚类数的增大,样本划分会变得更加精细,每个类别的聚合程度更高,那么误差平方和(SSE)会逐渐变小,误差平方和即该类重心与其内部成员位置距离的平方和。SSE是手肘法的核心指标,其公式为:SSE=∑i=1k∑p∈C∣p−mi∣2SSE=\sum_{i=1}^{k}\sum_{p\inC}|p-m_i|^2SSE=i=1∑k​p∈C∑​∣p−mi​∣2  其中,cic_ici​是第i个簇,ppp是cic_ici​中的样本点,mim_imi​是cic_ici​的质心(cic_ici​中所有样本均值),代

论文复现--lightweight-human-pose-estimation-3d-demo.pytorch(单视角多人3D实时动作捕捉DEMO)

分类:动作捕捉github地址:https://github.com/Daniil-Osokin/lightweight-human-pose-estimation-3d-demo.pytorch所需环境:Windows10,conda4.13.0;目录conda环境配置安装Pytorch全家桶安装TensorRT(可选)安装torch2trt(可选)模型转换为TensorRT兼容格式(可选)运行指令运行结果condalist以下是执行setup失败后的尝试实际上不需要编译setup也可执行demo只是实时性不好(但是我需要的是算法读者不用看以下部分这是我自己的记录)Opencv4.8.0配置

【国赛/美赛】数学建模latex小白速成入门论文排版(快速上手latex,零基础不愁)

前言:数模排版通常面临两个选择:Word、latex,但是许多人对latex并不熟悉,就算下载了别人分享的模板,还有一些小细节不会。在此,我分享latex排版时常用语法。本人还是觉得latex会用了是很方便的,节约排版的时间,尤其是图、表、公式比较多的时候,latex可以自动标号。推荐小白使用overleafhttps://www.overleaf.com/。数学建模latex速成入门1.引入包库2.基础知识3.大标题+段行标号大标题标号4.插入图片5.表格6.公式7.引用参考文献1.引入包库就像Python、C语言一样,latex使用某些语法函数时也需要导包\usepackage{geome

数学建模day17-SVD和图形处理

注:本文源于数学建模学习交流相关公众号观看学习视频后所作        奇异值分解(SingularValueDecomposition)是线性代数中一种重要的矩阵分解,其在图形学、统计学、推荐系统、信号处理等领域有重要应用。本讲我们将介绍奇异值分解在图形压缩中的运用,并将简单介绍下Matlab对于图形和视频的处理。目录线性代数基础知识回顾奇异值分解三个引理例子U的计算V的计算Σ的计算SVD的证明思路利用SVD对数据进行"降维"​编辑保留原矩阵的特征比例Matlab进行奇异值分解:[U,S,V]=svd(A)定义我们自己的mysvd函数Matlab图形的处理RGB模式图片压缩的函数SVD压缩后

论文阅读——A Pre-trained Sequential Recommendation Framework Popularity Dynamics for Zero-shot Transfer

论文阅读——APre-trainedSequentialRecommendationFramework:PopularityDynamicsforZero-shotTransfer’一个预训练的顺序推荐框架:零样本迁移的流行动态‘摘要:在在线应用的成功中,如电子商务、视频流媒体和社交媒体,顺序推荐系统是至关重要的。虽然模型架构不断改进,但对于每个新的应用领域,我们仍然需要从头开始训练一个新模型以获得高质量的推荐。另一方面,预训练的语言和视觉模型在零样本或少样本适应到新应用领域方面取得了巨大成功。受到同行AI领域预训练模型成功的启发,我们提出了一种新颖的预训练顺序推荐框架:PrepRec。我们通

django水质数据呈现小程序(源码+mysql+论文)

本系统(程序+源码)带文档lw万字以上 文末可获取本课题的源码和程序系统程序文件列表系统的选题背景和意义选题背景:随着社会的发展和人们生活水平的提高,水资源的质量和数量日益受到关注。水质问题不仅关系到人们的生活用水安全,还涉及到农业、工业、生态环境等多个方面。因此,对水质数据进行实时监测和分析,对于保障水资源的可持续利用具有重要意义。传统的水质监测方法主要依赖于人工采样和实验室分析,这种方法耗时较长,且无法实现实时监测。随着物联网技术和移动互联网的发展,通过传感器设备实时采集水质数据,并通过互联网进行传输和展示,成为了一种新兴的水质监测手段。然而,目前市场上的水质监测系统大多以网页形式呈现,用

论文笔记:Deformable DETR-可变形注意力机制——DEFORMABLE TRANSFORMERS FOR END-TO-END OBJECT DETECTION

论文笔记:DeformableDETR-可变形注意力机制——DEFORMABLEDETR:DEFORMABLETRANSFORMERSFOREND-TO-ENDOBJECTDETECTION综述主要思想方法可变注意力模块多尺度可变注意力模块可变形的TF编码器总结综述论文题目:《DEFORMABLEDETR:DEFORMABLETRANSFORMERSFOREND-TO-ENDOBJECTDETECTION》会议时间:ICLR2021论文地址:https://openreview.net/pdf?id=gZ9hCDWe6ke源码地址:https://github.com/fundamentalv

离散数学 --- 图论基础 --- 子图和补图,握手定理

第一部分---子图和补图1.生成子图:点集合不变,边集合是原图的边集合的子集2.导出子图:点集合是原图点集合的非空子集V,然后再在原图的边集合中找到两个端点均在点集合V中的边元素,并将这些边元素称成一个新的边集合,得到的这个边集合就是导出子图的边集合(点集合V和得到的新的边集合组成的新图是原图G的子图,被称为V导出的原图的子图,简称为V的导出子图)1.一个图G可以是自身的子图,生成子图和导出子图2.判断一个原图的子图是否是导出子图的方法:将子图中缺少的点在原图中删去,然后再将由于删去了点后少掉了一个端点的线给去掉,如果子图和这个修改后的原图相等的话,则这个子图就是原图的导出子图,否则就不是3.

ChatGPT 辅助论文写作

前言总结一些在科研写作中使用ChatGPT的命令,以助力提升科研写作的效率。文章目录前言一、ChatGPT简介1.ChatGPT普通版与Plus版的区别1)普通账号2)Plus账号二、NewBing简介1.快速通过申请三、辅助学术写作1.改写论文表述2.语言润色辅助(1)中文校对及润色(2)中译英(3)英文校对及润色3.综述框架辅助4.实验结果分析及实验设计5.列举xxx领域内的研究