cookie 是一個會儲存使用者電腦裏的變數(shù)。每一次同樣的電腦以瀏灠器請求網(wǎng)頁時，它同樣的也會傳 cookie。 有了 JavaScript, 你可以同時建立及回覆 cookie 的值。
標簽： cookie
上傳時間： 2016-08-02
上傳用戶：agent
研究了利用混沌相變進行弱信號檢測的理論及仿真試驗( 對基于) 振子初值敏感性檢測弱信號的方法分 析后指出，過渡過程會影響檢測性能，提出一種改進的弱信號檢測方法( 對仿真輸入噪聲生成和仿真步長選擇進行 研究后建立了仿真模型，在典型噪聲背景下檢測弱正弦信號( 實驗結(jié)果表明：所提出的方法有較好檢測性能；混沌 臨界態(tài)的 系統(tǒng)對噪聲敏感導致相變方法難以精確確定最小檢測幅值( 指出了這類方法的局限性
上傳時間： 2014-01-09
上傳用戶：lingzhichao
Multisim2001軟件的仿真電路實例261例，都是源文件哦，包括一般常見電路及乘法器電路仿真，運放電路仿真，控制電路仿真，數(shù)字電路仿真。超值
上傳時間： 2014-01-04
上傳用戶：busterman
該CRC校驗仿真完全符合國際標簽卡協(xié)議ISO/IEC 14443所規(guī)定的CRC_A。是一種按字節(jié)進行運算的CRC校驗法，且兼顧考慮到了寄存器的初始化賦值。
上傳時間： 2013-12-26
上傳用戶：a673761058
偉福LAB2000單片機仿真系統(tǒng)直流電機控制:利用實驗儀上的D/A變換電路，輸出-8V至+8V電壓，控制直流電機。改變輸出電.壓值，改變電機轉(zhuǎn)速，用8255 的PB.0 讀回脈沖計數(shù)，計算電機轉(zhuǎn)速。在電壓允許范圍內(nèi)，直流電機的轉(zhuǎn)速隨著電壓的升高而加快，若加上的電壓為負電壓，則電機會反向旋轉(zhuǎn)。本實驗儀的D/A變換可輸出-8V到+8V的電壓，將電壓經(jīng)驅(qū)動后加在直流電機上，使其運轉(zhuǎn)。通過單片機輸出數(shù)據(jù)到D/A變換電路，控制電壓的高低和正負，觀察電機的旋轉(zhuǎn)情況。 在電機轉(zhuǎn)盤上安裝一個小磁芯，用霍爾元件感應(yīng)電機轉(zhuǎn)速，用單片機控制8255讀回感應(yīng)脈沖，從而測算出電機的轉(zhuǎn)速。
標簽： 2000 LAB 單片機 仿真系統(tǒng)
上傳時間： 2016-10-11
上傳用戶：guanliya
WLAN仿真－系統(tǒng)參數(shù)配置 系統(tǒng)參數(shù)主要分為2類： 一類是可以配置的，可以根據(jù)使用者的需求改變的參數(shù) 1）你打算讓這個仿真跑多少個OFDM符號？ 2）你打算采用什么樣的調(diào)制方式？ 3）你打算讓你的系統(tǒng)跑在什么樣的環(huán)境下，AWGN？Rayleigh fading? 4）你的接收端采用什么樣的配置，比如，是否采用理想均衡，線性插值均衡，理想同步，頻偏糾正等等？ 5）你的信道采樣頻率是多少？你的載波頻率是多少？ 一類是固定不變的，發(fā)送端按照協(xié)議規(guī)定設(shè)置的一些參數(shù) 1）子載波個數(shù)，包括數(shù)據(jù)子載波，導頻子載波。 2）保護間隔，pilot和preamble的數(shù)值。 舉例：比如將這些參數(shù)匯總在一個m文件，global_parameter.m
上傳時間： 2016-11-09
上傳用戶：aeiouetla
一個執(zhí)行效率不錯的鍵盤掃描程序。附有Proteus仿真，按鍵的鍵值通過ＬＥＤ顯示
上傳時間： 2014-08-25
上傳用戶：dyctj
仿真一個瑞利衰落信道的信道沖激響應(yīng)，橫坐標是信道采樣階數(shù)，縱坐標是對應(yīng)采樣階數(shù)的幅值.
標簽： 信道 仿真 瑞利衰落 沖激響應(yīng)
上傳時間： 2013-12-19
上傳用戶：zjf3110
猜數(shù)字遊戲， Program會判別玩家的輸入值 決定提示（NAMB） 10次機會內(nèi)猜出即為獲勝
標簽：
上傳時間： 2013-12-15
上傳用戶：ynsnjs
基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)訓練算法研究論文 摘 要: 本文提出了基于連接結(jié)構(gòu)優(yōu)化的粒子群優(yōu)化算法(SPSO) 用于神經(jīng)網(wǎng)絡(luò)訓練,該算法在訓練神經(jīng)網(wǎng)絡(luò)權(quán) 值的同時優(yōu)化其連接結(jié)構(gòu),刪除冗余連接,使神經(jīng)網(wǎng)絡(luò)獲得與模式分類問題匹配的信息處理能力. 經(jīng)SPSO 訓練的神經(jīng) 網(wǎng)絡(luò)應(yīng)用于Iris ,Ionosphere 以及Breast cancer 模式分類問題,能夠部分消除冗余分類參數(shù)及冗余連接結(jié)構(gòu)對分類性能 的影響. 與BP 算法及遺傳算法比較,該算法在提高分類誤差精度的同時可加快訓練收斂的速度. 仿真結(jié)果表明,SPSO是有效的神經(jīng)網(wǎng)絡(luò)訓練算法
標簽： SPSO 神經(jīng)網(wǎng)絡(luò) 連接 粒子群優(yōu)化
上傳時間： 2013-11-30
上傳用戶：myworkpost
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
