32 k eeprom c51 源程序 調(diào)試通過
上傳時間： 2015-03-15
上傳用戶：zhangjinzj
本專欄將通過案例分析、知識介紹、專家點評等形式，對IT渠道在方案服務(wù)過程中，所涉及的管理知識、服務(wù)規(guī)范和操作技巧等相關(guān)知識進(jìn)行介紹，希望能夠為渠道企業(yè)的轉(zhuǎn)型和發(fā)展提供有益的借鑒。
上傳時間： 2015-03-15
上傳用戶：nanshan
程序存儲問題:設(shè)有n 個程序{1,2,…, n }要存放在長度為L的磁帶上。程序i存放在磁帶上的長度是Li ，1≤i≤n 程序存儲問題要求確定這n 個程序在磁帶上的一個存儲方案，使得能夠在磁帶上存儲盡可能多的程序。 編程任務(wù)： 對于給定的n個程序存放在磁帶上的長度，編程計算磁帶上最多可以存儲的程序數(shù)。 數(shù)據(jù)輸入：由文件input.txt給出輸入數(shù)據(jù)。第一行是正整數(shù)n，表示文件個數(shù)。接下來的1 行中，有n 個正整數(shù)，表示程序存放在磁帶上的長度。 結(jié)果輸出: input.txt output.txt 6 50 5 2 3 13 8 80 20
上傳時間： 2013-12-20
上傳用戶：dongqiangqiang
Hopfield 網(wǎng)——擅長于聯(lián)想記憶與解迷路 實現(xiàn)H網(wǎng)聯(lián)想記憶的關(guān)鍵，是使被記憶的模式樣本對應(yīng)網(wǎng)絡(luò)能量函數(shù)的極小值。 設(shè)有M個N維記憶模式，通過對網(wǎng)絡(luò)N個神經(jīng)元之間連接權(quán) wij 和N個輸出閾值θj的設(shè)計，使得: 這M個記憶模式所對應(yīng)的網(wǎng)絡(luò)狀態(tài)正好是網(wǎng)絡(luò)能量函數(shù)的M個極小值。 比較困難，目前還沒有一個適應(yīng)任意形式的記憶模式的有效、通用的設(shè)計方法。 H網(wǎng)的算法 1）學(xué)習(xí)模式——決定權(quán)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(jīng)元j、i間的權(quán)重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數(shù) ap(s)：第p個模式的第s個要素（-1或1） wij：第j個神經(jīng)元與第i個神經(jīng)元間的權(quán)重 i = j時，wij=0，即各神經(jīng)元的輸出不直接返回自身。 2)想起模式： 神經(jīng)元輸出值的初始化 想起時，一般是未知的輸入。設(shè)xi(0)為未知模式的第i個要素（-1或1） 將xi(0)作為相對應(yīng)的神經(jīng)元的初始值，其中，0意味t=0。 反復(fù)部分：對各神經(jīng)元，計算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經(jīng)元總數(shù) f（）--Sgn（） θi—神經(jīng)元i發(fā)火閾值 反復(fù)進(jìn)行，直到各個神經(jīng)元的輸出不再變化。
上傳時間： 2015-03-16
上傳用戶：JasonC
動態(tài)聚類k-means演算 將輸入在程式中的數(shù)據(jù)資料 給予適當(dāng)?shù)姆秩?/p>
上傳時間： 2015-03-16
上傳用戶：離殤
通過Tmysql來訪問MSQL Server數(shù)據(jù)庫的應(yīng)用案例.
標(biāo)簽： Tmysql Server MSQL 訪問
上傳時間： 2015-03-16
上傳用戶：xg262122
K-均值聚類算法的編程實現(xiàn)。包括逐點聚類和批處理聚類。K－均值聚類的的時間復(fù)雜度是n*k*m，其中n為樣本數(shù)，k為類別數(shù)，m為樣本維數(shù)。這個時間復(fù)雜度是相當(dāng)客觀的。因為如果用每秒10億次的計算機對50個樣本采用窮舉法分兩類，尋找最優(yōu)，列舉一遍約66.7天，分成3類，則要約3500萬年。針對算法局部最優(yōu)的缺點，本人正在編制模擬退火程序進(jìn)行改進(jìn)。希望及早奉給大家，傾聽高手教誨。
上傳時間： 2015-03-18
上傳用戶：yuanyuan123
一個用于數(shù)學(xué)函數(shù)值計算的c函數(shù),求任意數(shù)學(xué)函數(shù)f(x)和f(x,y)的值
標(biāo)簽： 數(shù)學(xué)函數(shù) c函數(shù) 計算
上傳時間： 2015-03-18
上傳用戶：zhangyigenius
Introduction to the Transport Device Interface-f
標(biāo)簽： Introduction Interface-f Transport Device
上傳時間： 2015-03-18
上傳用戶：gundamwzc
由于K－均值聚類算法局部最優(yōu)的特點，而模擬退火算法理論上具有全局最優(yōu)的特點。因此，用模擬退火算法對聚類進(jìn)行了改進(jìn)。20組聚類仿真表明，平均每次對K結(jié)果值改進(jìn)8次左右，效果顯著。下一步工作：實際上在高溫區(qū)隨機生成鄰域是個組合爆炸問題（見本人上載軟件‘k－均值聚類算法’所述），高溫跳出局部解的概率幾乎為0，因此正考慮采用凸包約束進(jìn)行模擬聚類，相關(guān)工作正在進(jìn)行。很快將奉獻(xiàn)給各位朋友。
上傳時間： 2015-03-18
上傳用戶：hullow
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
