著名的AVR 高壓編程器HVprog原理圖,y有了他就不再為熔絲錯誤,負位腳變IO,ISP被鎖等等一些問題而煩惱了
上傳時間： 2013-12-27
上傳用戶：waitingfy
零件切割問題 給定一塊寬度為W的矩形板，矩形板的高度不受限制?，F(xiàn)需要從板上分別切割出n個高度為hi，寬度為wi的矩形零件。切割的規(guī)則是零件的高度方向與矩形板的高度方向保持一致。問如何切割使得所使用的矩形板的高度h最??？
上傳時間： 2014-08-28
上傳用戶：龍飛艇
本書在高階技術(尤涉作業(yè)系統(tǒng)核心)方面居崇高位,不少名書也常推薦此書以補不足。本書基本以作業(yè)系統(tǒng)觀念為主，輔以範例驗證之。讀者群設定在具備32位元Windows程式經(jīng)驗者。"Richter在實作技巧是位高手。諸君，試安裝本書所附光碟片你就知道了，我只能用華麗兩字來形容。"
上傳時間： 2014-01-25
上傳用戶：zjf3110
計算方法中的根據(jù)給出的一組數(shù)值（x,y)構造出相應的方程
上傳時間： 2014-01-21
上傳用戶：15736969615
最小二乘法遞推算法辨識程序,輸入u,輸出y, 輸出結果中的c矩陣中最后一列為參數(shù)估計值.
上傳時間： 2014-07-12
上傳用戶：003030
一、 一元三次回歸方程 CubicMultinomialRegress.cs 方程模型為Y=a*X(3)+b*X(2)+c*X(1)+d public override double[] buildFormula() 得到系數(shù)數(shù)組，存放順序與模型系數(shù)相反，即該數(shù)組中系數(shù)的值依次是d,c,b,a。 以后所述所有模型的系數(shù)存放均與此相同（多元線性回歸方程除外）。 public override double forecast(double x) 預測函數(shù)，根據(jù)模型得到預測結果 public override double computeR2() 計算相關系數(shù)（決定系數(shù)），系數(shù)越接近1，數(shù)據(jù)越滿足該模型。
標簽： CubicMultinomialRegress override public double
上傳時間： 2015-11-25
上傳用戶：13215175592
對數(shù)回歸方程 LogarithmRegress.cs 方程模型為 Y=a*LnX+b public override double[] buildFormula() 得到系數(shù)數(shù)組，存放順序與模型系數(shù)相反，即該數(shù)組中系數(shù)的值依次是b,a。 public override double forecast(double x) 預測函數(shù)，根據(jù)模型得到預測結果。 public override double computeR2() 計算相關系數(shù)（決定系數(shù)），系數(shù)越接近1，數(shù)據(jù)越滿足該模型。
標簽： LogarithmRegress buildFormula override public
上傳時間： 2014-01-23
上傳用戶：330402686
pyformat.zip包中有兩個文件夾，pyformat_src文件夾里的為源代碼，pyformat_dist文件夾里的為編譯后的exe可執(zhí)行程序，另外每個文件夾里都放了一個名為“testfile.txt”的測試文件。 源碼使用方法示例：執(zhí)行"python pyformat.py testfile.txt"。 可執(zhí)行程序使用方法示例：執(zhí)行“pyformat testfile.txt”。 即可把文件名中的不帶調拼音+聲調記號轉化為帶調拼音輸出到stdout。文件名可以有多個。 例如：輸入wo3 shi4 zhong1 guo2 ren2. 輸出為wǒ shì zhōng guó rén. zho1ng、zhon1g、zhong1、zhong12341等均輸出為zhōng。
上傳時間： 2015-11-26
上傳用戶：1427796291
圖論中最小生成樹Kruskal算法 及畫圖程序 M-函數(shù) 格式 [Wt,Pp]=mintreek(n,W)：n為圖頂點數(shù),W為圖的帶權鄰接矩陣，不構成邊的兩頂點之間的權用inf表示。顯示最小生成樹的邊及頂點, Wt為最小生成樹的權,Pp(:,1:2)為最小生成樹邊的兩頂點,Pp(:,3)為最小生成樹的邊權,Pp(:,4)為最小生成樹邊的序號 附圖,紅色連線為最小生成樹的圖 例如 n=6 w=inf*ones(6) w(1,[2,3,4])=[6,1,5] w(2,[3,5])=[5,3] w(3,[4,5,6])=[5,6,4] w(4,6)=2 w(5,6)=6 [a,b]=mintreek(n,w)
上傳時間： 2015-11-30
上傳用戶：dreamboy36
用bcb所撰寫的kohonen程式,優(yōu)雅的網(wǎng)狀伸張分佈,將任意維度的input data,reduce至二維x,y平面,competivite learning的最佳範例.
標簽： competivite learning kohonen reduce
上傳時間： 2015-12-02
上傳用戶：腳趾頭
