|
|
|
|
|
|
红外可视距离与红外距离之间的区别
红外距离指的是红外光所达到的距离,从几米到几百米,甚至是数公里。而夜间可视距离是通过监视器所能够看到的清晰有效最大距离,是由红外灯的发光距离、摄像机的感红外程度、现场反射红外情况、供电电源的质量及镜头的匹配情况来决定的。它们之间相 ...…
查看全部问答>
|
|
|
cypress的gpif波形问题,求教。
如题,我用cypress的芯片控制nand flash,型号是k9f1g08u0a,gpif波形图如下,现在我换了一个flash,时序上不一样,没弄过这些,不知道这些图形都代表什么,盼高手指点。
d:\\flash\\gpif\\1.jpg
d:\\flash\\gpif\\2.jpg
d:\\flash\\gpif\\3.jpg ...…
查看全部问答>
|
|
|
|
|
正负5V电源输出
今天,我用L7805CV和L7905CV做了个正负5V电源,正端输出是5.01V,负端输出是负6.26V,不是负5V左右,开始的时候,我以为可能是L7905CV芯片的问题,就换了一块L7905CV芯片,结果负端还是负5.89V,另外,我测试了下L7805CV和L7905CV的输入端分别是正 ...…
查看全部问答>
|
求一份低频信号分析仪设计 急!!!求教高手!!!
本帖最后由 paulhyde 于 2014-9-15 03:51 编辑 做一个低频信号分析仪要求
基本要求
在输入交流信号电压峰峰值Vpp为500m V~5V,频率范围为50Hz~50kHz条件下,完成以下参数测试;
正弦波,三角波和方波频率测试,测量误差小于1%;
正弦波 ...…
查看全部问答>
|
对于机器学习青少年入门,请给一个学习大纲
以下是一个适用于青少年的机器学习入门的学习大纲:认识机器学习:了解机器学习的基本概念,即计算机系统从数据中学习并改进性能而无需明确编程。简要介绍机器学习在日常生活中的应用,如语音识别、图像分类等。编程基础:学习编程的基本概念,包括 ...…
查看全部问答∨
|
怎么样入门神经网络
要入门神经网络,可以按照以下步骤进行:理解基本概念:了解神经网络的基本概念,包括神经元、层、权重、激活函数等。掌握神经网络的工作原理,理解前向传播和反向传播算法。学习数学基础:掌握一些基本的数学知识,包括线性代数、微积分和概率统计 ...…
查看全部问答∨
|
对于深度学习数学基础入门,请给一个学习大纲
以下是深度学习数学基础入门的学习大纲:线性代数基础:学习向量、矩阵和张量的基本概念和运算规则。熟悉线性方程组的求解方法和矩阵的特征值分解、奇异值分解等基本操作。微积分基础:了解导数和偏导数的定义、性质和计算方法。学习梯度下降法等优 ...…
查看全部问答∨
|
学习单片机怎么入门
学习单片机是电子工程师的重要基础,以下是学习单片机入门的一般步骤:理解基础知识:在学习单片机之前,你需要掌握一些基础的电子知识,比如电路原理、数字电路、模拟电路等。这些知识将有助于你理解单片机的工作原理和应用场景。选择合适的单片机 ...…
查看全部问答∨
|
对于labview fpga入门,请给一个学习大纲
以下是一个适合入门学习LabVIEW FPGA的学习大纲:LabVIEW基础了解LabVIEW的基本概念和工作原理。学习LabVIEW的界面和基本操作。LabVIEW FPGA简介了解什么是LabVIEW FPGA以及其在嵌入式系统和实时数据处理中的应用。熟悉LabVIEW FPGA的特点和优势。L ...…
查看全部问答∨
|
我想cnn深度学习入门,应该怎么做呢?
您对深度学习入门可能有一些基础,但想要学习CNN(卷积神经网络),您可以按照以下步骤进行:学习基本概念:了解CNN的基本概念,包括卷积层、池化层、激活函数等。这些是构成CNN网络的基本组件,理解它们的工作原理对于深入学习CNN至关重要。学习深 ...…
查看全部问答∨
|
|
|
深度学习入门用什么显卡
在深度学习中,选择合适的显卡对于提高训练速度和性能至关重要。通常情况下,使用具备较好性能的GPU可以显著加快深度学习模型的训练速度。以下是一些常见的GPU选型建议:NVIDIA GPU:NVIDIA的GPU是深度学习领域最常用的硬件加速器之一。NVIDIA的CUD ...…
查看全部问答∨
|
我想快速深度学习入门,应该怎么做呢?
要快速入门深度学习,你可以按照以下步骤进行:学习基础知识:理解深度学习的基本概念,包括神经网络、反向传播、梯度下降等。学习基本的线性代数、微积分和概率统计知识,这些是深度学习的基础。选择合适的学习资源:寻找一些入门级的深度学习教程 ...…
查看全部问答∨
|
对于建立机器学习模型入门,请给一个学习大纲
以下是一个适用于电子领域资深人士的建立机器学习模型入门的学习大纲:机器学习基础概念:了解机器学习的基本概念和分类,包括监督学习、无监督学习和强化学习等。理解机器学习模型的组成部分,包括特征、标签、模型和损失函数等。数据预处理:学习 ...…
查看全部问答∨
|