亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

分組密碼,代數故障分析,LED

  • 算法復雜度分析

    算法復雜度分析,算法復雜度分析,包括時間性能分析等等!

    標簽: 算法 復雜度

    上傳時間: 2017-06-24

    上傳用戶:wweqas

  • 此為清華大學數學建模資料

    此為清華大學數學建模資料,里面包括回歸分析,積分求解,線性規(guī)劃等重要知識。

    標簽: 清華大學 數學建模

    上傳時間: 2013-12-26

    上傳用戶:ecooo

  • 生成導納矩陣

    生成導納矩陣,再對復數導納矩陣求逆,可用于電路分析,電流計算等程序

    標簽: 導納 矩陣

    上傳時間: 2017-08-08

    上傳用戶:sssl

  • 根據給定參數

    根據給定參數,設計相應的濾波器,實現濾波,并進行頻譜分析,觀察濾波效果。

    標簽: 參數

    上傳時間: 2013-12-10

    上傳用戶:zhanditian

  • 輸入一段簡單的源代碼

    輸入一段簡單的源代碼,可進行詞法分析,輸出的是分析結果

    標簽: 輸入 源代碼

    上傳時間: 2014-01-16

    上傳用戶:陽光少年2016

  • matlab下文件讀取及圖形繪制

    matlab下讀取數據文件,對數據進行分析,并繪制出波形顯示。

    標簽: matlab 讀取 圖形 繪制

    上傳時間: 2016-11-12

    上傳用戶:vvjoy

  • MPLUS

    結構方程模型必備,可用于路徑分析,結構方程分析,中介效應、調節(jié)效應分析等

    標簽: MPLUS

    上傳時間: 2019-09-30

    上傳用戶:long641

  • 高速電路設計 詳細基礎理論知識

    設計高速電路必須考慮高速訊 號所引發(fā)的電磁干擾、阻抗匹配及串音等效應,所以訊號完整性 (signal  integrity)將是考量設計電路優(yōu)劣的一項重要指標,電路日異複雜必須仰賴可 靠的軟體來幫忙分析這些複雜的效應,才比較可能獲得高品質且可靠的設計, 因此熟悉軟體的使用也將是重要的研究項目之一。另外了解高速訊號所引發(fā)之 各種效應(反射、振鈴、干擾、地彈及串音等)及其克服方法也是研究高速電路 設計的重點之一。目前高速示波器的功能越來越多,使用上很複雜,必須事先 進修學習,否則無法全盤了解儀器之功能,因而無法有效發(fā)揮儀器的量測功能。 其次就是高速訊號量測與介面的一些測試規(guī)範也必須熟悉,像眼圖分析,探針 效應,抖動(jitter)測量規(guī)範及高速串列介面量測規(guī)範等實務技術,必須充分 了解研究學習,進而才可設計出優(yōu)良之教學教材及教具。

    標簽: 高速電路

    上傳時間: 2021-11-02

    上傳用戶:jiabin

  • 最新使用Altium Designer的Output Job管理文件輸出各類文檔的教程

    主要內容包括了:1.Altium 產品的優(yōu)勢,2.Altium 產品之外的價值,3.競爭對手分析,4.Altium Designer 16的主要功能基于單點工具做電子產品設計的客戶,在輸出設計和加工文檔時會遇到很多的麻煩,他們會在這方面花費大量時間的。 主要的麻煩如下:設計輸出和加工文檔種類繁多,需要由不同的工具輸出。例如:原理圖打印、PCB打印、物料清單(BOM)、光繪文件(Gerber)、裝配文件、測試點報告等每次輸出這些文檔時需要重復設置輸出配置有些客戶需要按照公司標準模板輸出這些文件有些客戶需要經過非常嚴格的審批程序才能發(fā)布這些文件,這個過程中需要反復輸出這些文件針對單獨設計文件進行輸出時經常會使用錯誤的設計文件版本Output Job是一個管理文件,所有輸出文檔 的輸出設置都保存在這個文件中。一旦設置 完成后,任何時候打開這個管理文檔就可以 正確地輸出各種輸出文檔。只需要設置一次文檔的輸出選項每個輸出文檔可以設置正確的模板始終與項目中設計文檔的最新版本保持同步Output Job也可以作為模板用于新的設計

    標簽: altium designer output job

    上傳時間: 2021-11-06

    上傳用戶:zhaiyawei

  • 機器學習:人工神經網絡

    人工神經網絡提供了一種普遍且實用的方法從樣例中學習值為實數、離散值或向量的函數反向傳播算法,使用梯度下降來調節(jié)網絡參數以最佳擬合由輸入-輸出對組成的訓練集合人工神經網絡對于訓練數據中的錯誤健壯性很好人工神經網絡已被成功應用到很多領域,例如視覺場景分析,語音識別,機器人控制神經網絡學習對于逼近實數值、離散值或向量值的目標函數提供了一種健壯性很強的方法對于某些類型的問題,如學習解釋復雜的現實世界中的傳感器數據,人工神經網絡是目前知道的最有效的學習方法反向傳搖成功例子,學習識別手寫字符,學習識別口語,學習識別人臉生物學動機ANN受到生物學的啟發(fā),生物的學習系統(tǒng)是由相互連接的神經元組成的異常復雜的網絡。ANN由一系列簡單的單元相互密集連接構成的,其中每一個單元有一定數量的實值輸入,并產生單一的實數值輸出人腦的構成,大約有1011個神經元,平均每一個與其他104個相連神經元的活性通常被通向其他神經元的連接激活或抑制最快的神經元轉換時間比計算機慢很多,然而人腦能夠以驚人的速度做出復雜度驚人的決策很多人推測,生物神經系統(tǒng)的信息處理能力一定得益于對分布在大量神經元上的信息表示的高度并行處理

    標簽: 機器學習 神經網絡

    上傳時間: 2022-04-08

    上傳用戶:trh505

主站蜘蛛池模板: 崇明县| 洞口县| 新化县| 万山特区| 宾阳县| 措勤县| 逊克县| 日照市| 太仆寺旗| 哈巴河县| 七台河市| 安丘市| 紫金县| 裕民县| 饶平县| 肇源县| 高淳县| 赤壁市| 平顶山市| 瑞安市| 大洼县| 汉中市| 静海县| 延安市| 思南县| 荆州市| 富阳市| 灵石县| 阿克| 水城县| 西华县| 德安县| 东乡族自治县| 济源市| 丹寨县| 双辽市| 昭觉县| 石嘴山市| 文山县| 青海省| 潞城市|