完整的敘述如何開發即時中文辨識軟體，此為大學專題報告
標簽：
上傳時間： 2017-06-16
上傳用戶：頂得柱
共軛梯度法為求解線性方程組而提出。后來，人們把這種方法用于求解無約束最優化問題， 使之成為一種重要的最優化方法。 共軛梯度法的基本思想是把共軛性與最速下降方法相結合， 利用已知點處的梯度構造一組共 軛方向， 并沿這組方向進行搜索， 求出目標函數的極小點。 根據共軛方向的基本性質， 這種 方法具有二次終止性。 在各種優化算法中， 共軛梯度法是非常重要的一種。 其優點是所需存 儲量小，具有步收斂性，穩定性高，而且不需要任何外來參數。 共軛方向 無約束最優化方法的核心問題是選擇搜索方向 . 在本次實驗中 , 我們運用基于共軛方向的一種 算法 — 共軛梯度法 三．算法流程圖： 四．實驗結果： (1). 實驗函數 f=(3*x1-cos(x2*x3)-1/2)^2+(x1^2-81*(x2+0.1)+sin(x3)+1.06)^2+(exp(-x1*x2)+20*x3+ 1/3*(10*3.14159-3))^2; 給定初始點 (0,0,0) ， k=1 ，最 大迭代次數 n ? ? d 確定搜索方向 進 退 法 確 定 搜 索 區 間 分割法確定最 優步長
上傳時間： 2016-05-08
上傳用戶：saren11
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
VERILOG HDL 實際工控項目源碼\r\n開發工具 altera quartus2
上傳時間： 2013-09-05
上傳用戶：youmo81
PROTEUS簡介\r\nPROTEUS ISIS\r\n原理圖輸入\r\n電路仿真與分析\r\n人性化測量方法\r\n高級電路設計與仿真\r\n微處理器系統仿真\r\n微處理器系統仿真概述\r\n微處理器系統仿真與分析\r\n第三方工具的應用\r\nPROTEUS與Keil整合構建單片機虛擬實驗室 \r\nPROTEUS綜合應用\r\n
標簽： PROTEUS
上傳時間： 2013-09-24
上傳用戶：ming529
SDK用例，使用大唐3G平臺的SDK工具進行開發應用。
標簽： SDK
上傳時間： 2013-12-24
上傳用戶：gtzj
FPGA那些事兒--TimeQuest靜態時序分析REV7.0，FPGA開發必備技術資料--262頁。前言這是筆者用兩年構思準備一年之久的筆記，其實這也是筆者的另一種挑戰。寫《工具篇I》不像寫《Verilog HDL 那些事兒》系列的筆記一樣，只要針對原理和HDL 內容作出解釋即可，雖然《Verilog HDL 那些事兒》夾雜著許多筆者對Verilog 的獨特見解，不過這些內容都可以透過想象力來彌補。然而《工具篇I》需要一定的基礎才能書寫。兩年前，編輯《時序篇》之際，筆者忽然對TimeQuest 產生興趣，可是筆者當時卻就連時序是什么也不懂，更不明白時序有理想和物理之分，為此筆者先著手理想時序的研究。一年后，雖然已掌握解理想時序，但是筆者始終覺得理想時序和TimeQuest 之間缺少什么，這種感覺就像磁極不會沒有原因就相互吸引著？于是漫長的思考就開始了... 在不知不覺中就寫出《整合篇》。HDL 描述的模塊是軟模型，modelsim 仿真的軟模型是理想時序。換之，軟模型經過綜合器總綜合以后就會成為硬模型，也是俗稱的網表。而TimeQuest 分析的對象就是硬模型的物理時序。理想時序與物理時序雖然與物理時序有顯明的區別，但它們卻有黏糊的關系，就像南極和北極的磁性一樣相互作用著。編輯《工具篇I》的過程不也是一番風順，其中也有擱淺或者靈感耗盡的情況。《工具篇I》給筆者最具挑戰的地方就是如何將抽象的概念，將其簡化并且用語言和圖形表達出來。讀者們可要知道《工具篇I》使用許多不曾出現在常規書的用詞與概念... 但是，不曾出現并不代表它們不復存在，反之如何定義與實例化它們讓筆者興奮到夜夜失眠。《工具篇 I》的書寫方式依然繼承筆者往常的筆記風格，內容排版方面雖然給人次序不一的感覺，不過筆者認為這種次序對學習有最大的幫助。編輯《工具篇I》辛苦歸辛苦，但是筆者卻很熱衷，心情好比小時候研究新玩具一般，一邊好奇一邊疑惑，一邊學習一邊記錄。完成它讓筆者有莫民的愉快感，想必那是筆者久久不失的童心吧！？
標簽： FPGA TimeQues 靜態時序分析 Verilog HDL
上傳時間： 2022-05-02
上傳用戶：qdxqdxqdxqdx
本程序可以將大的文本文檔分割成N個小文檔。
上傳時間： 2015-01-29
上傳用戶：遠遠ssad
/*數字三角形問題 問題描述： 給定一個由n行數字組成的數字三角形如下圖所示。試設計一個算法,計算出從三角形的頂至底的一條路徑,使該路徑經過的數字總和最大。 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5 編程任務： 對于給定的由n行數字組成的數字三角形,編程計算從三角形的頂至底的路徑經過的數字和的最大值
上傳時間： 2013-12-16
上傳用戶：ccclll
此文檔是用VC編寫的關于編譯原理中求大N！的程序
上傳時間： 2013-12-04
上傳用戶：LIKE
