//下面是畫圓的程序， //畫線、畫圓、畫各種曲線其實都很簡單，歸根到底就是x、y的二元方程嘛 //對算法感興趣的話建議去找本《計算機圖形學》看看，不是賣關子哦。實在是幾句話說不清除，呵呵 // ---------------------------------------------- //字節 void circleDot(unsigned char x,unsigned char y,char xx,char yy)//內部函數，對稱法畫圓的8個鏡像點 {//對稱法畫圓的8個鏡像點
標簽： 程序
上傳時間： 2014-01-07
上傳用戶：秦莞爾w
實驗題目：Hermite插值多項式 相關知識：通過n+1個節點的次數不超過2n+1的Hermite插值多項式為： 其中，Hermite插值基函數 數據結構：三個一維數組或一個二維數組 算法設計：（略） 編寫代碼：（略） 實驗用例： 已知函數y=f(x)的一張表(其中 )： x 0.10 0.20 0.30 0.40 0.50 y 0.904837 0.818731 0.740818 0.670320 0.606531 m -0.904837 -0.818731 -0.740818 -0.670320 -0.606531 x 0.60 0.70 0.80 0.90 1.00 y 0.548812 0.496585 0.449329 0.406570 0.367879 m -0.548812 -0.496585 -0.449329 -0.406570 -0.367879 實驗用例：利用Hermite插值多項式 求被插值函數f(x)在點x=0.55處的近似值。建議：畫出Hermite插值多項式 的曲線。
上傳時間： 2013-12-24
上傳用戶：czl10052678
Batch version of the back-propagation algorithm. ％ Given a set of corresponding input-output pairs and an initial network ％ [W1,W2,critvec,iter]=batbp(NetDef,W1,W2,PHI,Y,trparms) trains the ％ network with backpropagation. ％ ％ The activation functions must be either linear or tanh. The network ％ architecture is defined by the matrix NetDef consisting of two ％ rows. The first row specifies the hidden layer while the second ％ specifies the output layer. ％
標簽： back-propagation corresponding input-output algorithm
上傳時間： 2016-12-27
上傳用戶：exxxds
This function calculates Akaike s final prediction error ％ estimate of the average generalization error. ％ ％ [FPE,deff,varest,H] = fpe(NetDef,W1,W2,PHI,Y,trparms) produces the ％ final prediction error estimate (fpe), the effective number of ％ weights in the network if the network has been trained with ％ weight decay, an estimate of the noise variance, and the Gauss-Newton ％ Hessian. ％
標簽： generalization calculates prediction function
上傳時間： 2014-12-03
上傳用戶：maizezhen
％ Train a two layer neural network with the Levenberg-Marquardt ％ method. ％ ％ If desired, it is possible to use regularization by ％ weight decay. Also pruned (ie. not fully connected) networks can ％ be trained. ％ ％ Given a set of corresponding input-output pairs and an initial ％ network, ％ [W1,W2,critvec,iteration,lambda]=marq(NetDef,W1,W2,PHI,Y,trparms) ％ trains the network with the Levenberg-Marquardt method. ％ ％ The activation functions can be either linear or tanh. The ％ network architecture is defined by the matrix NetDef which ％ has two rows. The first row specifies the hidden layer and the ％ second row specifies the output layer.
標簽： Levenberg-Marquardt desired network neural
上傳時間： 2016-12-27
上傳用戶：jcljkh
This function calculates Akaike s final prediction error ％ estimate of the average generalization error for network ％ models generated by NNARX, NNOE, NNARMAX1+2, or their recursive ％ counterparts. ％ ％ [FPE,deff,varest,H] = nnfpe(method,NetDef,W1,W2,U,Y,NN,trparms,skip,Chat) ％ produces the final prediction error estimate (fpe), the effective number ％ of weights in the network if it has been trained with weight decay, ％ an estimate of the noise variance, and the Gauss-Newton Hessian. ％
標簽： generalization calculates prediction function
上傳時間： 2016-12-27
上傳用戶：腳趾頭
MFC 視窗程式設計,視窗作業環境經多年試鍊，視窗應用程式於架構上已然出現了明顯的分類； 即便是架構不同，其間也存在著諸多共同點，例如：它們通常的都需要有功能表、 工具列等控制元件的設計，需要有用來動態管理資料的矩陣（arrays）、表列（lists） 等物件類別。
上傳時間： 2016-12-30
上傳用戶：lixinxiang
【歐拉算法】 微分方程的本質特征是方程中含有導數項,數值解法的第一步就是...歐拉(Euler)算法是數值求解中最基本、最簡單的方法,但其求解精度較低,一般不在...對于常微分方程: dy/dx=f(x,y),x∈[a,b] y(a)=y0 可以將區
上傳時間： 2014-01-09
上傳用戶：www240697738
以單輸入單輸出探討輸出可變結構控制的使用，對於使用者可以更能了解控制響應
標簽： 控制
上傳時間： 2014-01-13
上傳用戶：wweqas
#include "iostream.h" #include "iomanip.h" #define N 20 //學習樣本個數 #define IN 1 //輸入層神經元數目 #define HN 8 //隱層神經元數目 #define ON 1 //輸出層神經元數目 double P[IN] //單個樣本輸入數據 double T[ON] //單個樣本教師數據 double W[HN][IN] //輸入層至隱層權值 double V[ON][HN] //隱層至輸出層權值 double X[HN] //隱層的輸入 double Y[ON] //輸出層的輸入 double H[HN] //隱層的輸出
標簽： define include iostream iomanip
上傳時間： 2014-01-01
上傳用戶：凌云御清風
