IIC介绍（一）之物理层介绍
IIC的引脚少，硬件实现简单，可扩展性强，不需要UART、CAN等通讯协议的外部收发设备，而被广泛地应用于系统内多个集成电路间的通讯。IIC的常见连接方式如下图所示：由上图可知，IIC的物理特性很简单：（1）两根线：SCL为时钟线，接2~15V的电压以及一个上拉电阻；SDA为数据线，接2~15V的电压以及一个上拉电阻；...
应用于电力电子变压器的双向DC_DC变换器综述（学习笔记）
来自：https://www.cnblogs.com/Mr-Wangblogs/p/9304699.htmlPET(Powerelectronictransformer):电力电子变压器PET所具有的优点：（1）体积小、重量轻、无变压器油的污染；（2）具备功率因数调节能力，减小电网谐波污染；（3）能够接入直流环节，具备分布式能源接入能力；（4）自我保护能力强，可以实现...
应用于交直流配电网的电力电子变压器（学习笔记）2
来自：https://www.cnblogs.com/Mr-Wangblogs/p/9311833.html该电力电子变压器与传统电力电子变压器的优势在于为直流电源及直流负荷提供了接口，具备直流故障穿越能力，能够显著减少网络中换流器的数量，提高供电可靠性。电力电子变压器（Powerelectronictransformer，PET）是一种结合了电力电子变换器和高频变压器的新型电力变换装置。...
在Word中画横线的四种方法
来自：https://www.duote.com/tech/word/111692.html先按一下下划线工具“U”，再根据需要输入几个字符，按一些空格。例如：“姓名”、“学校”后边跟的空白字符下划线。例：姓名 (2)如果需要在文字上方或文字中间拦腰的横线，可以直接用绘图工具画出来。这种方法的缺点在于后期排版中，不容易对齐。例：错误 以上方法比较适合需要短横线的地方，如果要画整行、多行的横线，就显得不太方便。 (3)如果需要画整行横线，如试卷、信纸等，可以按下键盘上的减号“-”三次、再回车，就能够
缓冲电路/延时上电电路
原文链接：https://blog.csdn.net/luohuatingyusheng/article/details/95387543缓冲电路/延时上电电路延时电路延时电路一般用在对于上电时序有要求的电路以及负载开始（上电时）较大的电路而言。负载重例如较大的电解电容。针对于时序控制我们就叫做延时电路；针对负载电流控制电路也可以叫缓冲电路。如下所示：上述电路分析：1）当左端VCC上电时，由于C1通过R1充电（电容两端电压不能突变），导致R1两端电压为高电平，此时MOS管阈
对超宽输入范围DC/DC转换器的需求
来自：https://mp.weixin.qq.com/s/E9GoH4PCGV813HKaKQRaDQwww.recom-power.com使用DC/DC转换器的主要目的是将负载电压和电源电压相匹配（例如从24V供电给3.3V微处理器板）、输出与输入端之间相互隔离（例如一个电气隔离的转换器可以保护患者免受危险电压的伤害），同时增加故障保护功能（几乎所有稳压输出转换器都可以承受输出端的永久短路）。大多数工业级转换器具有2:1或4:1的输入电压范围。例如，标称24V输入的2:1转换器可在18...
安规之电气间距和爬电距离
转自：http://m.elecfans.com/article/515004.html本文从安规距离基本定义入手，解析了IEC60950、GB4943-2011标准中的爬电距离和电气间隙的查询方法并描述了工作电压测试规范，最后针对实测电压波形图进行了分析与计算。从理论解析到实例分析，一步到位让你轻松了解开关电源的安规间距。基本概念在IEC60950、GB4943-2011标准中，规定了不同电压等级需要的最小安全距离，而安全距离又包括电气间距和爬电距离两种。对于开关电源主要需要保证最小安全距离的
【安规】电气间隙和爬电距离如何确定
转载于:https://www.cnblogs.com/isha2088/p/8316022.html前言分以下几个方面梳理：什么是电气间隙和爬电距离 为什么有电气间隙和爬电距离 标准 检验方法 怎么量化两个参数 设计的注意事项什么是电气间隙和爬电距离电气间隙：在空气中，两者最短距离。爬电距离：沿着绝缘表面，两者最短距离。为什么有电气间隙和爬电距离电气间隙和爬电距离属于安规（Production Compliance），主要目的是防止由于距离不够导致某些情..
llibsvm-svdd 用法示例
一、前言 SVDD是一类分类方法，通过已知的一类数据训练包含所有数据的超球面，对于待检测数据点，如果数据点落在该超球面内，则属于该类，否则不是。这篇博文讲解了SVDD原理 http://blog.sina.com.cn/s/blog_4ff49c7e0102vlbv.html ，从中可知可通过不断调整松弛空间的代价因子C，调整优化得的超球面半径。二、代码
CNN反向传播训练参数过程
一、前言 人共神经网络的训练主要采用梯度下降算法，计算过程采用误差反向传播(BP)的方式计算误差函数对全部权值和偏置的梯度，由该梯度更新训练参数，CNN卷积神经网络也可采用基于BP的梯度下降算法。二、交叉熵代价函数
使用lenet模型训练及预测自己的图片数据
一、前言本文主要尝试将自己的数据集制作成lmdb格式，送进lenet-5作训练和测试，参考了http://blog.csdn.net/liuweizj12/article/details/52149743和http://blog.csdn.net/xiaoxiao_huitailang/article/details/51361036这两篇博文二、从训练模型到使用模型预测图片分类（1）
libsvm中OC-SVM 调参问题
一、前言 本文主要讨论libsvm中的OCSVM调参问题，参考了博文http://www.voidcn.com/blog/lplpysys/article/p-3920288.html，OCSVM是一类SVM，即适用于训练样本均为正样本，或者负样本极少的分类模型，二、libsvm-OCSVM相关参数 针对模型参数的训练主要使用svmtrain函数。
使用caffe的python接口预测多张图片
一、前言 根据前面博文 使用lenet模型训练及预测自己的图片数据 可得到训练得的caffemodel及其他相关的文件，回顾下My_FIle文件夹如下，predictPic文件夹中保存的是名为“0“～“9“的文件夹，分别保存相应的0～9的多张字符图片: 使用classification.bin只能预测单张图片，或者使用caffe.bin test
使用requests模块下载爬虫百度图片
一、前言 在github上找到个输入关键词和下载数量即可爬虫多张百度图片的方法，实际测试发现不支持中文关键词，并且最多只能下载60张以内，经过修改后可支持中文，并能下载多张图片。二、代码 首先需要安装requests模块，该方法主要是使用http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=
yolo v2之车牌检测后续识别字符（一）
一、前言 本篇续接前一篇 yolo v2 之车牌检测 ，前一篇使用yolo v2已经可以很准确地框出车牌图片了，这里完成后续的车牌字符号码的识别，从车牌框框中要识别出车牌字符，笔者能想到3种思路，1种是同样yolo、SSD等深度学习目标检测的方法直接对车牌内的字符识别；第2种是传统方法从框里切分字符，再训练深度学习的模型对各个字符做识别；第3种方法就是端到端的车牌图片识别。在车牌图
yolo v2之车牌检测后续识别字符（二）
一、前言 这一篇续接前一篇《yolo v2之车牌检测后续识别字符（一）》，主要是生成模型文件、配置文件以及训练、测试模型。二、python接口生成配置文件、模型文件 车牌图片端到端识别的模型文件参考自这里，模型图如下所示： 本来想使用caffe的python接口生成prototxt，结果发现很麻烦，容易出错，直接在可视化工具nets
目标检测算法中的bounding box regression
原文转载于：http://blog.csdn.net/elaine_bao/article/details/60469036一、前言 一些目标检测算法如R-CNN、Fast RCNN中都用到了bounding box回归，回归的目标是使得预测的物体窗口向groundtruth窗口相接近二、做边框回归的原因
caffe下使用g++编译cpp文件时 遇到 fatal error: cublas_v2.h: 没有那个文件或目录
一、前言 在caffe下使用g++编译cpp文件生成bin文件时突然遇到 fatal error: cublas_v2.h: 没有那个文件或目录 这个吐血问题，通过查找资料找到解决的方法了二、g++编译生成bin文件 本人的编译命令是 g++ ***.cpp -o ***.bin -I /caffe-root/include -I /caffe-roo
今日推荐
周排行