PROTEUS簡(jiǎn)介\r\nPROTEUS ISIS\r\n原理圖輸入\r\n電路仿真與分析\r\n人性化測(cè)量方法\r\n高級(jí)電路設(shè)計(jì)與仿真\r\n微處理器系統(tǒng)仿真\r\n微處理器系統(tǒng)仿真概述\r\n微處理器系統(tǒng)仿真與分析\r\n第三方工具的應(yīng)用\r\nPROTEUS與Keil整合構(gòu)建單片機(jī)虛擬實(shí)驗(yàn)室 \r\nPROTEUS綜合應(yīng)用\r\n
標(biāo)簽： PROTEUS
上傳時(shí)間： 2013-09-24
上傳用戶：ming529
PROTEUS仿真用單片機(jī)系統(tǒng)板\r\n系統(tǒng)資源豐富：\r\n★ 內(nèi)置RAM 32KB模塊\r\n★ 內(nèi)置8位動(dòng)態(tài)數(shù)碼顯示模塊\r\n★ 內(nèi)置8X8點(diǎn)陣顯示模塊\r\n★ 4位靜態(tài)數(shù)碼顯示模塊\r\n★ 4位級(jí)聯(lián)的74LS164串并轉(zhuǎn)換模塊\r\n★ 內(nèi)置8通道8位A/D轉(zhuǎn)換\r\n★ 內(nèi)置8位D/A轉(zhuǎn)換\r\n★ 內(nèi)置2路SPI和I2C總線接口\r\n★ 內(nèi)置4路1－Wire總線接口\r\n★ 內(nèi)置4X4矩陣式鍵盤(pán)\r\n★ 內(nèi)置4路獨(dú)立式鍵盤(pán)\r\n★ 內(nèi)置4路撥動(dòng)開(kāi)關(guān)\r\n★ 內(nèi)置8位LED發(fā)光二
標(biāo)簽： PROTEUS 仿真 用單片機(jī) 系統(tǒng)板
上傳時(shí)間： 2013-09-30
上傳用戶：sssl
采用射頻等離子體增強(qiáng)化學(xué)氣相沉積(RF2PECVD)技術(shù)制備非晶硅(a2Si)NIP 太陽(yáng)能電池,其中電池的窗口層采用P 型晶化硅薄膜,電池結(jié)構(gòu)為Al/ glass/ SnO2 / N(a2Si :H) / I(a2Si :H) / P(cryst2Si : H) / ITO/ Al。為了使P 型晶化硅薄膜能夠在a2Si 表面成功生長(zhǎng),電池制備過(guò)程中采用了H 等離子體處理a2Si 表面的方法。通過(guò)調(diào)節(jié)電池P 層和N 層厚度和H 等離子體處理a2Si 表面的時(shí)間,優(yōu)化了太陽(yáng)能電池的制備工藝。結(jié)果表明,使用H 等離子體處理a2Si 表面5 min ,可以在a2Si 表面獲得高電導(dǎo)率的P 型晶化硅薄膜,并且這種結(jié)構(gòu)可以應(yīng)用到電池上;當(dāng)P 型晶化硅層沉積時(shí)間12. 5 min ,N 層沉積12 min ,此種結(jié)構(gòu)電池特性最好,效率達(dá)6. 40 %。通過(guò)調(diào)整P 型晶化硅薄膜的結(jié)構(gòu)特征,將能進(jìn)一步改善電池的性能。
標(biāo)簽： NIP 非晶硅 薄膜太陽(yáng)能電池
上傳時(shí)間： 2013-11-21
上傳用戶：wanqunsheng
將正數(shù)n插入一個(gè)已整序的字?jǐn)?shù)組的正確位置。算法: 將數(shù)組中數(shù)逐個(gè)與N比較,Si為指針若N<Ki,則Ki下移一個(gè)單元若NKi,則插在Ki的下一個(gè)單元,并結(jié)束臨界條件:若NKn,則插入Kn的下一個(gè)單元若N<K1,則K1~Kn后移一個(gè)單元, N插在第一個(gè)單元循環(huán)控制:計(jì)數(shù)控制元素個(gè)數(shù)=((字末地址－字首地址) / 2) +1 字?jǐn)?shù) = (字節(jié)末地址－字節(jié)首地址) +1 字節(jié)數(shù)地址邊界控制結(jié)束地址為ARRAY_HEAD特征值控制: 表示結(jié)束條件的值
標(biāo)簽： 匯編語(yǔ)言 程序設(shè)計(jì)
上傳時(shí)間： 2013-12-26
上傳用戶：haiya2000
if exists (select * from dbo.sysobjects where id = object_id(N'[dbo].[FK_藥品庫(kù)存_藥品資料]') and OBJECTPROPERTY(id, N'IsForeignKey') = 1) ALTER TABLE [dbo].[藥品庫(kù)存] DROP CONSTRAINT FK_藥品庫(kù)存_藥品資料 GO if exists (select * from dbo.sysobjects where id = object_id(N'[dbo].[FK_門(mén)診劃價(jià)明細(xì)_門(mén)診劃價(jià)]') and OBJECTPROPERTY(id, N'IsForeignKey') = 1) ALTER TABLE [dbo].[門(mén)診劃價(jià)明細(xì)] DROP CONSTRAINT FK_門(mén)診劃價(jià)明細(xì)_門(mén)診劃價(jià) GO if exists (select * from dbo.sysobjects where id = object_id(N'[dbo].[FK_門(mén)診掛號(hào)_門(mén)診掛號(hào)類(lèi)型]') and OBJECTPROPERTY(id, N'IsForeignKey') = 1) ALTER TABLE [dbo].[門(mén)診掛號(hào)] DROP CONSTRAINT FK_門(mén)診掛號(hào)_門(mén)診掛號(hào)類(lèi)型 GO if exists (select * from dbo.sysobjects where id = object_id(N'[dbo].[產(chǎn)地]') and OBJECTPROPERTY(id, N'IsUserTable') = 1) drop table [dbo].[產(chǎn)地] GO if exists (select * from dbo.sysobjects where id = object_id(N'[dbo].[醫(yī)生資料]') and OBJECTPROPERTY(id, N'IsUserTable') = 1) drop table [dbo].[醫(yī)生資料]
標(biāo)簽： 信息管理系統(tǒng) 源代碼
上傳時(shí)間： 2013-11-12
上傳用戶：sunshie
Cantor 表問(wèn)題： 問(wèn)題描述： 把分子和分母均小于108 的分?jǐn)?shù)按下面的辦法排成一個(gè)數(shù)表。 1/1 1/2 1/3 1/4 1/5 ... 2/1 2/2 2/3 2/4 2/5 ... 3/1 3/2 3/3 3/4 3/5 ... 4/1 4/2 4/3 4/4 4/5 ... 5/1 5/2 5/3 5/4 5/5 ... ... ... 我們以Z 方形方法給上表的每項(xiàng)編號(hào)。第一項(xiàng)是1/1，第二項(xiàng)是1/2， 然后是2/1，3/1，2/2，1/3，1/4，2/3，3/2，4/1，5/1，4/2，...... 要求:對(duì)于給定的輸入的編號(hào)N(0<N<10000)，能夠輸出其中的第N 項(xiàng)。 如： 輸入N = 7； 輸出1/4。
上傳時(shí)間： 2015-02-14
上傳用戶：hasan2015
RSA的小程序，源碼產(chǎn)生隨機(jī)素?cái)?shù)調(diào)用方法：N.GetPrime(bits)返回值：N被賦值為一個(gè)bits位（0x100000000進(jìn)制長(zhǎng)度）的素?cái)?shù)
上傳時(shí)間： 2014-01-19
上傳用戶：lps11188
Hopfield 網(wǎng)——擅長(zhǎng)于聯(lián)想記憶與解迷路 實(shí)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(duì)應(yīng)網(wǎng)絡(luò)能量函數(shù)的極小值。 設(shè)有M個(gè)N維記憶模式，通過(guò)對(duì)網(wǎng)絡(luò)N個(gè)神經(jīng)元之間連接權(quán) wij 和N個(gè)輸出閾值θj的設(shè)計(jì)，使得: 這M個(gè)記憶模式所對(duì)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(gè)極小值。 比較困難，目前還沒(méi)有一個(gè)適應(yīng)任意形式的記憶模式的有效、通用的設(shè)計(jì)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(gè)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(gè)模式的第s個(gè)要素（-1或1） wij：第j個(gè)神經(jīng)元與第i個(gè)神經(jīng)元間的權(quán)重 i = j時(shí)，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(shí)，一般是未知的輸入。設(shè)xi(0)為未知模式的第i個(gè)要素（-1或1） 將xi(0)作為相對(duì)應(yīng)的神經(jīng)元的初始值，其中，0意味t=0。 反復(fù)部分：對(duì)各神經(jīng)元，計(jì)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(gè)神經(jīng)元的輸出不再變化。
上傳時(shí)間： 2015-03-16
上傳用戶：JasonC
【文本與二值圖像的游程】1. 文本游程壓縮的原理 對(duì)重復(fù)字段采用3符號(hào)標(biāo)識(shí)法：(1) 重復(fù)提示符,比如@,#等；(2) 游程長(zhǎng)度參數(shù)或重復(fù)次數(shù),若用一個(gè)字節(jié)表示,最大長(zhǎng)度可為255個(gè)重復(fù)字；(3) 重復(fù)字符。以上三部分合稱(chēng)為重復(fù)因子。可見(jiàn)要獲得壓縮效益，重復(fù)字符應(yīng)在3個(gè)以上。2. 圖像游程壓縮的原理 對(duì)于二值圖像，原始數(shù)據(jù)為零一矩陣，壓縮時(shí)逐行處理該矩陣：(1) 連續(xù)n個(gè)1，表示為+n；(2) 連續(xù)n個(gè)0，表示為-n。
上傳時(shí)間： 2014-01-21
上傳用戶：685
用Burg算法估計(jì)AR模型參數(shù)，進(jìn)而實(shí)現(xiàn)功率譜估計(jì). 形參說(shuō)明： x——雙精度實(shí)型一維數(shù)組，長(zhǎng)度為n，存放隨機(jī)序列。 n--整型變量,隨機(jī)序列的長(zhǎng)度。 p--整型變量,AR模型的階數(shù)。 a--雙精度實(shí)型一維數(shù)組，長(zhǎng)度為(p十1)。存放AR模型的系數(shù)a(0),a(1),...,a(p)。 v--雙精度實(shí)型指針,它指向預(yù)測(cè)誤差功率，即AR模型激勵(lì)白噪聲的方差。
標(biāo)簽： Burg AR模型 算法 參數(shù)
上傳時(shí)間： 2013-12-21
上傳用戶：330402686
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
