搜索资源列表
SINS_calibration
- 在捷联式惯性导航系统中，惯性敏感器直接固联在载体上，惯性敏感器的工作条件和环境与单独测试惯性敏感器时有较大的差别。并且当惯性敏感器安装到惯性组件上以后，还存在各种安装误差，因此对惯性敏感器单独测试的结果并不能反映惯性敏感器在系统中实际的 性能品质。为了保证系统的技术性能，现代捷联惯性导航系统均采取了较为全面的误差补偿 措施。捷联惯性导航系统误差补偿的前提则是对惯性组件进行精确的误差标定。
SFDS
- 防潮、防霉、防腐、防爆是仓库日常工作的重要内容，是衡量仓库管理质量的重要指标。它直接影响到储备物资的使用寿命和工作可靠性。为保证日常工作的顺利进行，首要问题是加强仓库内温度与湿度的监测工作。但传统的方法是用与湿度表、毛发湿度表、双金属式测量计和湿度试纸等测试器材，通过人工进行检测，对不符合温度和湿度要求的库房进行通风、去湿和降温等工作。这种人工测试方法费时费力、效率低，且测试的温度及湿度误差大，随机性大。因此我们需要一种造价低廉、使用方便且测量准确的温湿度测量仪。-err
Research-on-Error-Diffusion
- 基于半调法的误差扩散方法，利用误差扩散抖动的方法，使图像灰度级增强，提高画面质量。-Error diffusion halftoning method based error diffusion method jitter, enhanced image gray level, to improve the picture quality.
sphericity-form-error-evaluation
- 介绍一种球度误差评价方法的文章，很不错，值得深入研究-This is a new strategy and means for sphericity form error evaluation.
error-codes-
- 由于错误代码是相当普通的当涉及到许可证管理器（即误差[ 1.5 ]。4）我决定后一个常见的错误代码列表在这里快速参考。 -Since error codes are pretty generic when it comes to the license manager (i.e. Error [1.5.-4]) I have decided to post a list of the common error codes here for quick reference
Wind-speed-prediction
- 基于最小二乘支持向量机理论,结合某风电场实测风速数据,建立了最小二乘支持向量机风速预测模型。对该风电场的风速进行了提前1h的预测,其预测的平均绝对百分比误差仅为8.55 ,预测效果比较理想。同时将文中的风速预测模型与神经网络理论、支持向量机(support vector machine,SVM)理论建立的风速预测模型进行了比较。仿真结果表明,文中所提模型在预测精度和运算速度上皆优于其他模型。 -Based on least squares support vector machine the
SA600
- SA/ICS-ZL阵列式皮带秤是我公司自主开发研制出的具有多项国家专利的高准确度、高稳定性的新型电子皮带秤。其准确度优于OIML R50中1级、GB/T 7721-2008中 0.5级秤，准确度误差不大于0.2％ ，可作为商贸结算用秤。-SA/ICS-ZL array belt scales are highly accurate with a number of national patents developed by our company developed the high stabi
alian-variance-for-IMU
- IMU误差分析，陀螺仪误差分析，时间分析域-Sliding Average allan
Robust-Beamforming-via-Semidefinite
- 现有的向量加权稳健波束形成方法只有在指向误差较小的情况下才能有效估计目标的信号功率；矩阵加权波束形成方法在指向误差较大时，虽然可以估计目标的信号功率，但是它的系统实现复杂度与向量加权稳健波束形 成方法相比较大。针对以上问题，该文提出基于半正定秩松弛(SDR)方法的稳健波束形成，该方法优化模型中的目标函数与Capon 算法的目标函数相同，优化变量为加权向量的协方差矩阵，并约束方向图的主瓣幅度波动范围、旁瓣电平，协方差矩阵的秩为1。-The existing vector weighted ro
公差配合与测量技术
- 《公差配合与测量技术》是学习和研究互换性，围绕零件的制造误差和公差概念，合理地解决生产成本，产品质量和效益之间的关系。
一份关于机器学习“模型再训练”的终极指南
- 机器学习模型的训练，通常是通过学习某一组输入特征与输出目标之间的映射来进行的。一般来说，对于映射的学习是通过优化某些成本函数，来使预测的误差最小化。