社区
高通开发者论坛
帖子详情
Qualcomm中国区董事长孟樸谈5G时代物联网
东风玖哥
2016-11-03 01:00:53
...全文
2033
4
打赏
收藏
Qualcomm中国区董事长孟樸谈5G时代物联网
[图片]
复制链接
扫一扫
分享
转发到动态
举报
AI
作业
写回复
配置赞助广告
用AI写文章
4 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
成续缘
2016-11-14
打赏
举报
回复
5g时代上网费用会更加低廉吗?
zekelove
2016-11-09
打赏
举报
回复
5G来了网速是不是更快,更稳定呢
_明月
2016-11-03
打赏
举报
回复
5G好像要使用一种短途信号发射器。 嗯,据我所知,5G时代到临时,那时将会出现真正的“无线时代”。
东风玖哥
2016-11-03
打赏
举报
回复
用python实现的DBSCAN聚类(一种基于密度的聚类算法),并且将分布打印在二维平面.zip
用python实现的DBSCAN聚类(一种基于密度的聚类算法),并且将分布打印在二维平面.zip
鲸鱼优化算法(WOA)在机器学习分类、回归及时间序列预测中的应用与MATLAB代码实践 v2.0
鲸鱼优化算法(WOA)及其在分类、回归和时序预测中的应用。首先简述了WOA的基本原理,即通过模拟鲸鱼的捕食行为来进行全局搜索和局部优化。接着分别讨论了WOA在不同机器学习模型中的应用,如支持向量机(SVM)、最小二乘支持向量机(LSSVM)、随机森林(RF)、极限学习机(ELM)等多种模型的参数优化,以及在时序预测中与LSTM、GRU等深度学习模型的结合。最后提供了具体的MATLAB代码示例,展示了如何使用WOA优化SVM模型进行分类预测,并强调了代码的通用性和灵活性,便于用户根据自己的数据集进行修改和扩展。 适用人群:对机器学习有一定了解的研究人员和技术爱好者,尤其是那些希望深入了解优化算法在机器学习中应用的人群。 使用场景及目标:① 提升现有机器学习模型的预测性能;② 学习如何使用WOA优化各种类型的机器学习模型;③ 掌握MATLAB环境下相关模型的代码实现。 其他说明:文中提供的代码为简化版本,实际应用时需根据具体情况调整参数配置和数据预处理步骤。此外,还鼓励读者探索更多优化算法与机器学习模型的组合方式,以应对不同的应用场景。
PLC编程中绝对运动指令的实现与优化(西门子200smart与威纶通触摸屏)
绝对运动指令 MoveAbsolute 在西门子200smart PLC 和威纶通触摸屏上的实现方法。主要内容涵盖梯形加减速控制、PLS 脉冲指令的手动编写、正反向运动控制、回原点功能以及减速停止功能的具体实现细节。作者分享了在开发过程中遇到的问题及其解决方案,如脉冲丢失、方向切换、回原点搜索模式等,并指出了当前版本存在的不足之处,即不支持超驰功能。 适合人群:PLC 编程初学者、自动化设备开发者、工业控制系统工程师。 使用场景及目标:适用于需要精确控制电机运动的应用场合,如生产线自动化、数控机床等领域。主要目标是帮助读者掌握绝对运动指令的底层实现原理,提高对PLC编程的理解和技术水平。 其他说明:文中提供了详细的代码片段和注释,有助于读者更好地理解和实践相关技术。同时提醒读者注意实际应用中的潜在问题,如输出口反冲等。
机器人开发教程-ROS 进行 SLAM 建图和机器人运动控制
机器人开发教程——ROS 进行 SLAM 建图和机器人运动控制 环境准备 确保你的开发环境已安装 ROS Noetic 或更高版本,并且安装了适用于 ROS 的 SLAM 和 Moveit2.0 软件包。 创建工作空间和包 mkdir -p ~/catkin_ws/src cd ~/catkin_ws/src catkin_create_pkg my_slam_package std_msgs rospy roscpp cd ~/catkin_ws catkin_make source devel/setup.bash 启动 SLAM 算法 roslaunch my_slam_package slam.launch 保存地图 rosrun map_server map_saver -f my_map 读取地图 在 my_slam_package/launch 目录下创建 map.launch 文件:
启动地图服务器 roslaunch my_slam_package map.launch 控制机器人运动 使用 teleop_twist_keyboard 包控制机器人运动: rosrun teleop_twist_keyboard teleop_twist_keyboard.py 注意事项 确保激光雷达数据正确发布到 /scan 话题。 根据实际机器人调整 SLAM 参数。 在 RViz 中查看地图和机器人位置。
基于阿克曼模型的自动驾驶控制算法仿真测试及学习指南
阿克曼模型在自动驾驶控制算法中的应用,重点讲解了通过ROS平台对阿克曼模型进行仿真测试的方法及其具体实现。文章从阿克曼模型的基本概念出发,逐步探讨其在自动驾驶中的应用场景,特别是路径规划和运动控制方面的作用。接着,通过具体的仿真测试案例展示了如何利用ROS环境扣取阿克曼控制算法模块,验证其准确性和有效性。最后提供了部分代码实现及详细的注释,帮助读者深入理解该算法的工作原理和技术细节。 适合人群:对自动驾驶技术和机器人操作系统(ROS)有一定了解的研究人员、工程师及高校相关专业学生。 使用场景及目标:适用于希望深入了解阿克曼模型在自动驾驶系统中应用的技术人员,旨在提升他们对于车辆转向几何关系的理解能力,掌握基于ROS平台进行算法仿真的技能。 其他说明:随着自动驾驶技术的发展,阿克曼模型作为关键组件之一,在确保车辆行驶安全性和精度方面扮演着越来越重要的角色。因此,本文不仅有助于理论学习,也为实际项目开发提供了宝贵的参考资料。
高通开发者论坛
4,662
社区成员
5,858
社区内容
发帖
与我相关
我的任务
高通开发者论坛
本论坛以AI、WoS 、XR、IoT、Auto、生成式AI等核心板块组成,为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页:https://qualcomm.csdn.net/
复制链接
扫一扫
分享
社区描述
本论坛以AI、WoS 、XR、IoT、Auto、生成式AI等核心板块组成,为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页:https://qualcomm.csdn.net/
人工智能
物联网
机器学习
技术论坛(原bbs)
北京·东城区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章