mathematica 光子能量与波长频率之间的换算.nb
2022-03-23 23:12:43 13KB mathematica
1
针对现有酒窖环境监测系统结构复杂、功耗大、成本高等问题,设计了一套基于NB-IoT(narrow band internet of things)技术的酒窖环境远程监测系统,实现对酒窖温度、湿度、光照强度、乙醇浓度、空气质量的远程监测。首先,设计了采用“云?管?端”物联网信息服务架构的监测系统整体架构;然后,设计了以STM32F103为核心控制器的系统监测终端硬件结构。最后,设计了监测终端控制软件,实现数据的采集、显示和异常报警等功能,同时运用NB-IoT技术和轻量级机器对机器协议(lightweight machine-to-machine, LwM2M)实现监测终端与云平台之间测量数据传输;开发了基于OneNET云平台的酒窖环境监测管理平台软件,实现通过浏览器登录云平台远程实时查看酒窖环境现场状态。实验表明,该系统结构简单、功耗小、成本低、稳定可靠、易于维护,适合用于对酒窖环境的监测。
2022-03-20 20:19:51 1.66MB NB-IoT 酒窖 环境监测 云?管?端
1
mathematica演示数字黑洞,123黑洞、6174、水仙花数、角谷猜想 func[x_] := If[OddQ[x], 3*x + 1, x/2] NestWhileList[func, 27, # != 1 &] ListLinePlot[%, PlotRange -> All]
2022-03-19 14:43:42 39KB mathematica
1
中国电信物联网开放平台_NB-IoT业务CoAP场景对接指导书.doc
2022-03-17 23:03:20 12.48MB 中国电信物联网开放平台_NB-I
1
使用物联网后台已激活账户,即可登录 使用物联网后台已激活账户,即可登录 使用物联网后台已激活账户,即可登录 使用物联网后台已激活账户,即可登录 使用物联网后台已激活账户,即可登录 使用物联网后台已激活账户,即可登录 使用物联网后台已激活账户,即可登录 使用物联网后台已激活账户,即可登录 。登录方式有 登录方式有 登录方式有 2种: 1、直接 登录 ,艾拉比 艾拉比 差分平台 差分平台 差分平台 地址 :delta.abupdate.comdelta.abupdate.com delta.abupdate.comdelta.abupdate.comdelta.abupdate.com delta
2022-03-16 23:12:11 634KB fota nb-iot
1
窄带物联网(Narrow Band Internet of Things, NB-IoT)成为万物互联网络的一个重要分支。NB-IoT构建于蜂窝网络,只消耗大约180kHz的带宽,可直接部署于GSM网络、UMTS网络或LTE网络,以降低部署成本、实现平滑升级。 [1] NB-IoT是IoT领域一个新兴的技术,支持低功耗设备在广域网的蜂窝数据连接,也被叫作低功耗广域网(LPWAN)。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。据说NB-IoT设备电池寿命可以提高至少10年,同时还能提供非常全面的室内蜂窝数据连接覆盖。
2022-03-16 18:25:53 90.65MB NB-IoT 协议规范
1
华为NB-IoT解决方案
2022-03-08 10:13:48 3MB NB-IoT
1
软件介绍: NB物理实验初中能够完美模仿物理实验,让学生尽情发挥,快速掌握实验的基本要素。使用说明:通过上下拖动可以显示更多实验,经典实验状态是按教材要求准备好的实验,切换到DIY实验有更多的惊喜,可随时切换章节目录,需要什么实验都可以在软件界面中找到。左右滑动工具区域可以隐藏或显示工具栏,按住器材向左拖出即可增加器材,左右滑动区域可以隐藏或显示器材库。拖动导线两端的钢丝连接处连接到器材的连接线柱上会自动吸附视为连接成功。左右拖动旋钮来调节电压,拖动导线中中间的位置可移动导线。
2022-03-06 15:03:44 58.4MB 其他资源
1
移远NB-IoT模块BC26开发资料,包括AT指令,参考设计和硬件设计一整套资料。
2022-03-06 13:26:30 2.38MB BC26 NB-IoT 移远
1
功能1. NaiveBayes.predict(_) 2. NaiveBayes.find(_) 描述1.返回一个或多个测试实例的估计标签以及估计的准确性。 2. 以降序返回具有各自概率的标签。 使用鸢尾花数据集的示例 加载fisheriris X = 测量值; Y = 物种; Xnew = [min(X);mean(X);max(X)]; mdl = NaiveBayes('gaussian'); mdl = mdl.fit(X,Y) Ypred = mdl.predict(Xnew) Ypred = 'setosa' '杂色' '弗吉尼亚' Ynew = {'versicolor';'versicolor';'virginica'}; 准确率=accuracy_score(Ypred,Ynew) 精度= 0.6667 查看脚本文件中描述的更多示例。
2022-03-04 13:22:55 5KB matlab
1