STM32电机库5.4开源无感注释 KEIL工程文件 辅助理解ST库 寄存器设置AD TIM1 龙贝格+PLL 前馈控制 弱磁控制 foc的基本流 svpwm占空比计算方法 斜坡启动 死区补偿 有详细的注释， 当前是无传感器版本龙贝格观测,三电阻双AD采样！

资源描述 内容概要 本资源提供了基于LightGBM模型的贝叶斯优化过程的代码实现。通过使用贝叶斯优化算法，本代码可以高效地调整LightGBM模型的超参数，以达到优化模型性能的目的。同时，代码中还集成了k折交叉验证机制，以更准确地评估模型性能，并减少过拟合的风险。 适用人群 机器学习爱好者与从业者 数据科学家 数据分析师 对LightGBM模型和贝叶斯优化算法感兴趣的研究者 使用场景及目标 当需要使用LightGBM模型解决分类或回归问题时，可以使用本资源中的代码进行模型超参数的优化。 希望通过自动化手段调整模型参数，以提高模型预测精度或降低计算成本的场景。 在模型开发过程中，需要快速找到最优超参数组合，以加快模型开发进度。 其他说明 代码使用了Python编程语言，并依赖于LightGBM、Scikit-learn等机器学习库。 代码中提供了详细的注释和说明，方便用户理解和使用。 用户可以根据自身需求，修改代码中的参数和配置，以适应不同的应用场景。

标贝女生数据集，用于人工智能语音合成训练，音频采用频率22050，此数据为第一个分包，总共二个分包

《嵌入式实时操作系统 uC/OS-II》是由邵贝贝翻译的经典著作，该书深入浅出地介绍了嵌入式领域中的实时操作系统——uC/OS-II。作为一个专业的IT知识资源，这本书是学习uC/OS-II不可或缺的参考资料。由于网络上流传的版本常有缺页问题，这份超星版的完整性尤为珍贵。 uC/OS-II是一种小巧而高效的实时操作系统内核，专为微控制器和嵌入式系统设计。其主要特点包括抢占式多任务调度、可移植性、确定性和内存管理等。下面我们将详细探讨这些知识点： 1. **抢占式多任务调度**：uC/OS-II支持多个任务并发执行，每个任务都有自己的优先级。当高优先级任务准备就绪时，可以立即中断当前执行的任务，实现任务间的快速切换，确保系统的实时响应。 2. **任务管理**：uC/OS-II允许创建、删除、挂起、恢复和修改任务的优先级。任务之间的切换通过操作系统内核透明地完成，开发者无需关心底层细节。 3. **内存管理**：uC/OS-II提供了一套完整的内存分配和释放机制，包括堆内存管理和静态内存池管理。这使得应用程序可以根据需求动态地分配和释放内存，同时避免内存泄漏。 4. **信号量与互斥量**：用于实现任务间的同步和资源独占。信号量可以用于计数，而互斥量则用于保护临界区，防止多个任务同时访问同一资源。 5. **消息队列**：作为任务间通信的重要手段，消息队列可以存储一定数量的消息，任务可以发送消息到队列，其他任务则可以从队列中接收消息。 6. **时间管理**：uC/OS-II提供了延时和周期性唤醒的功能，支持定时器和超时机制，这对于实时系统至关重要。 7. **可移植性**：uC/OS-II的源代码结构清晰，遵循特定的硬件无关性设计原则，可以在多种处理器架构上运行，适应广泛的嵌入式平台。 压缩包中的文件25_26.rar、25_27.rar和25_28.rar可能分别涵盖了uC/OS-II的不同章节或主题，比如任务调度算法的实现、内存管理策略、信号量和消息队列的使用示例等。通过学习这些内容，读者可以逐步掌握如何在实际项目中运用uC/OS-II构建高效稳定的嵌入式系统。 《嵌入式实时操作系统 uC/OS-II》是深入理解和应用嵌入式实时操作系统的宝贵教材，对于想要从事或正在从事嵌入式开发的工程师来说，这本书无疑是一份不可多得的学习资料。

基于python和贝叶斯的简单垃圾邮件分类源码(作业).zip

大数据期末大作业 数据挖掘， 爬虫相关，朴素贝叶斯分类器python 简介： 运用爬虫技术以及朴素贝叶斯分类对抓取的新闻进行分类， 分析每种新闻在网站中的占比 已定义的新闻类别： 财经 科技 汽车 房产 体育 娱乐 其他 1. 环境以及依赖 python环境 python==3.9 依赖的第三方库： jieba parseurl bs4 numpy 2. 使用模型 朴素贝叶斯分类器 实现：纯python实现 3. 数据来源 新闻共分7类，新闻信息在此采集： 1 财经 http://finance.qq.com/l/201108/scroll_17.htm 2 科技 http://tech.qq.com/l/201512/scroll_02.htm 3 汽车 http://auto.qq.com/l/201512/scrollnews_02_2.htm 4 房产 http://gd.qq.com/l/house/fcgdxw/more_7.htm 5 体育 http://sports.qq.com/l/201512/scrollnews_01_2.htm 6 娱乐 http

《嵌入式实时操作系统uCOS-II》(第二版)配套光盘（邵贝贝）

BRMM 类实现了用于模拟和估计有限混合模型参数的算法。 混合模型通常用于聚类分析，即将数据分组。 该模型专为包含异常值和/或缺失值的数据而设计。 BRMM 对象将每个原型建模为具有特定组件参数的重尾分布。 根据贝叶斯范式，参数配备了共轭先验分布。 该模型还包含表示数据中缺失值和数据质量的隐藏变量。 参数和隐藏变量的后验分布通过近似变分推理算法进行估计。 此提交包括一个测试函数，该函数生成一组合成数据并从这些数据中学习模型。 测试函数还绘制根据模型聚类的数据，以及每次迭代后数据的边际对数似然的变分下界。 如果您发现此提交对您的研究/工作有用，请引用我的 MathWorks 社区资料。 如果您有任何技术或应用相关问题，请随时直接与我联系。 指示： 下载此提交后，在您的 MatLab 工作目录中提取压缩文件并运行测试函数 (brmmtest.m) 进行演示。

引言 　  本文基于人脸图像分块和奇异值压缩，进行RBF 神经网络和贝叶斯分类器融合的设计。将人脸图像本身的灰度分布描述为矩阵，其奇异值特征具有转置不变性、旋转不变性、位移不变性、镜像不变性等诸多重要的性质，进行各种代数和矩阵变换后提取的代数特征是人脸的表征。由于整体图像的奇异值向量反映的是图像整体的统计特征，对细节的描述还不够深入，本文模拟人类识别人脸的模式，在图像分块和加权的基础上，突出待识别人脸的骨骼特征，近似于人类在识别人脸时自动剔除同一人脸的变化部位的差异能力　　径向基函数（RBF）网络是一种性能良好的前馈型三层神经网络，具有全局逼近性质和逼近性能，训练方法快速易行，RBF 函数还具