對網只操作的函數,很不錯
標簽： 操作
上傳時間： 2014-01-19
上傳用戶：zuozuo1215
H.263 文檔 DRAFT ITU-T Recommendation H.263 VIDEO CODING FOR LOW BITRATE COMMUNICATION
標簽： Recommendation COMMUNICATION 263 BITRATE
上傳時間： 2013-12-14
上傳用戶：cursor
樸素貝葉斯分類器（Navie Bayesian Classifier）識別鼠標輸入的字母A～J
標簽： Classifier Bayesian Navie 貝葉斯
上傳時間： 2015-03-08
上傳用戶：chfanjiang
這個軟件可以對輸入的象素矩陣進行識別。是根據《Neural Network Design》（Martin T. Hagan等）中的關于有監督的Heb學習編寫的。使用JBuilder開發的界面，使用JCreator開發的核心。
標簽： T. JBuilder Network Neural
上傳時間： 2013-12-19
上傳用戶：zhangyi99104144
j讀寫模塊的源程序范例,能實現非接觸IC卡的所有功能.
上傳時間： 2014-01-06
上傳用戶：lvzhr
--- --- --- --- --- --- --- --- --- --- --- --- --- --- 該程序由2001計算機信息管理系應田豐開發 本程序學歷文憑考試相關流程編寫，無任何抄襲代碼和盜版之嫌，大家可下載隨意修改 苦兒聲明： 本程序是老苦自己辛苦寫成的，希望大家能給個面子保留著作權信息，：） 這個是第一個版本，有些地方沒有考慮到，請大家在試用后給些意見，我好繼續編寫改進版 苦兒QQ：3431788 7551860 MSN：kuer_cn@msn.com Email：simonying@163.com 電話：0571-63413694 移動電話：13083973989 ------------------------------------------------------------------------------------ 對了，輸入時的驗證大家自己改一下吧，反正都是JS寫的，網上多的是，這個版本趕時間的，所以我 美工也是隨便做了一下，一些驗證之類的還沒有加上，等全部成形了我會再上傳一個完全版，：） 浙江新世紀經貿專修學院學生管理系統V1.0版 開發說明書 本程序基于本學院實際學生管理運作情況編寫，完全自主開發，僅限浙江新世紀經貿專修學院內部使用，如有使用需求，請先征得作者同意。 目 錄 第一章：系統說明 第二章：程序功能 第三章：程序流程圖
上傳時間： 2014-12-04
上傳用戶：開懷常笑
最新的支持向量機工具箱，有了它會很方便 1. Find time to write a proper list of things to do! 2. Documentation. 3. Support Vector Regression. 4. Automated model selection. REFERENCES ========== [1] V.N. Vapnik, "The Nature of Statistical Learning Theory", Springer-Verlag, New York, ISBN 0-387-94559-8, 1995. [2] J. C. Platt, "Fast training of support vector machines using sequential minimal optimization", in Advances in Kernel Methods - Support Vector Learning, (Eds) B. Scholkopf, C. Burges, and A. J. Smola, MIT Press, Cambridge, Massachusetts, chapter 12, pp 185-208, 1999. [3] T. Joachims, "Estimating the Generalization Performance of a SVM Efficiently", LS-8 Report 25, Universitat Dortmund, Fachbereich Informatik, 1999.
上傳時間： 2013-12-16
上傳用戶：亞亞娟娟123
音像制品管理系統共分為四個功能模塊，分別為歌碟管理功能模塊、影碟管理功能模塊、出租管理功能模塊、數據維護功能模塊。該系統將對歌碟、影碟的購入、出售、查詢、庫存盤點、出租進行管理。我由衷地希望所設計的音像制品管理系統能給音像制品行業的管理帶來更大的方便，帶來更高的效率，獲得可觀的經濟效益，從而為中國音像制品行業的發展，盡微薄之力
上傳時間： 2015-03-16
上傳用戶：qiao8960
仿真1：首先把網絡溫度參數T固定在100，按工作規則共進行1000次狀態更新,把這1000次狀態轉移中網絡中的各個狀態出現的次數Si（i＝1，2，…，16）記錄下來 按下式計算各個狀態出現的實際頻率： Pi=Si/∑i=1,NSi=Si/M 同時按照Bo1tzmann分布計算網絡各個狀態出現概率的理論值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：實施降溫方案，重新計算 采用快速降溫方案：T（t）= T0/（1+t） T從1000降到0.01，按工作規則更新網絡狀態 當T=0.01時結束降溫，再讓T保持在0.01進行1000次狀態轉移，比較兩種概率
上傳時間： 2014-01-20
上傳用戶：獨孤求源
Hopfield 網——擅長于聯想記憶與解迷路 實現H網聯想記憶的關鍵，是使被記憶的模式樣本對應網絡能量函數的極小值。 設有M個N維記憶模式，通過對網絡N個神經元之間連接權 wij 和N個輸出閾值θj的設計，使得: 這M個記憶模式所對應的網絡狀態正好是網絡能量函數的M個極小值。 比較困難，目前還沒有一個適應任意形式的記憶模式的有效、通用的設計方法。 H網的算法 1）學習模式——決定權重 想要記憶的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 則任意兩個神經元j、i間的權重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數 ap(s)：第p個模式的第s個要素（-1或1） wij：第j個神經元與第i個神經元間的權重 i = j時，wij=0，即各神經元的輸出不直接返回自身。 2)想起模式： 神經元輸出值的初始化 想起時，一般是未知的輸入。設xi(0)為未知模式的第i個要素（-1或1） 將xi(0)作為相對應的神經元的初始值，其中，0意味t=0。 反復部分：對各神經元，計算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經元總數 f（）--Sgn（） θi—神經元i發火閾值 反復進行，直到各個神經元的輸出不再變化。
上傳時間： 2015-03-16
上傳用戶：JasonC
