smgp中與計費相關(guān)的代碼 CSendReq.FEE_MSG){ //是包月 //3＝點播，4＝訂閱,MsgType=8, FeeType=02時即為包月扣費消息 //設置保月或封頂信息費 //保月信息按免費的發(fā)送 //設置保月或封頂信息費(免費) //使設置保月或封頂信息費
上傳時間： 2015-03-16
上傳用戶：z1191176801
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網(wǎng)絡能量函數(shù)的極小值。 設有M個N維記憶模式，通過對網(wǎng)絡N個神經(jīng)元之間連接權(quán) 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(wǎng)絡狀態(tài)正好是網(wǎng)絡能量函數(shù)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(wǎng)的算法 1）學習模式——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(jīng)元的初始值，其中，0意味t=0。 反復部分：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 反復進行，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
詞法分析程序，可對以下的C源程序進行分析：main() {int a[12] ,sum for(i=1 i<=12 i++) {for(j=1 j<=12 j++)scanf("%d",&a[i][j]) } for(i=12 i>=1 i--){ for(j=12 j>=1 j--){ if(i==j&&i+j==13)sum+=a[i][j] } } printf("%c",sum) }
上傳時間： 2013-12-26
上傳用戶：skhlm
系統(tǒng)資源(r1…rm),共有m類，每類數(shù)目為r1…rm。隨機產(chǎn)生進程Pi(id,s(j,k)，t),0
上傳時間： 2014-01-27
上傳用戶：天誠24
經(jīng)典c程序100例==1--10 【程序1】 題目：有1、2、3、4個數(shù)字，能組成多少個互不相同且無重復數(shù)字的三位數(shù)？都是多少？ 1.程序分析：可填在百位、十位、個位的數(shù)字都是1、2、3、4。組成所有的排列后再去 掉不滿足條件的排列。 2.程序源代碼： main() { int i,j,k printf("\n") for(i=1 i<5 i++) ／*以下為三重循環(huán)*/ for(j=1 j<5 j++) for (k=1 k<5 k++) { if (i!=k&&i!=j&&j!=k) /*確保i、j、k三位互不相同*/ printf("%d,%d,%d\n",i,j,k) }
上傳時間： 2014-01-07
上傳用戶：lizhizheng88
此程序應用于Simulink和PHD 數(shù)據(jù)庫之間的通訊，并能實現(xiàn)實時仿真。打開壓縮保中的simulink模型直接就可以運行。
上傳時間： 2013-12-11
上傳用戶：hgy9473
ADT串的實現(xiàn):主要包括以下操作：§ copy(s1,s2)把串s1復制到s2 § concat(s,s1,s2)連接S1,S2，結(jié)果放在S中 § delete(s,i,j)將串s中從第i個字符開始的連續(xù)j個字符刪除，如果i+j>s.len則一直刪除到串尾 § insert(s,s1,i)將串S1插入串S的第i個字符后
上傳時間： 2013-12-11
上傳用戶：奇奇奔奔
此為編譯原理實驗報告 學習消除文法左遞規(guī)算法，了解消除文法左遞規(guī)在語法分析中的作用 內(nèi)含 設計算法 目的 源碼 等等.... 算法:消除左遞歸算法為: （1）把文法G的所有非終結(jié)符按任一種順序排列成P1,P2,…Pn 按此順序執(zhí)行 （2）FOR i:=1 TO n DO BEGIN FOR j:=1 DO 把形如Pi→Pjγ的規(guī)則改寫成 Pi→δ1γ δ2γ … δkγ。其中Pj→δ1 δ2 … δk是關(guān)于Pj的所有規(guī)則； 消除關(guān)于Pi規(guī)則的直接左遞歸性 END （3）化簡由（2）所得的文法。即去除那些從開始符號出發(fā)永遠無法到達的非終結(jié)符的 產(chǎn)生規(guī)則。
上傳時間： 2015-03-29
上傳用戶：極客
誤差分析的方法有多種，例如，威點遜（J. H. Wilkison）針對的計算機的浮點運算提出的“向后誤差分析”，這是一種先驗估計誤差的方法，較以往的“向前誤差分析”在矩陣運算的舍入誤差估計上有較好的結(jié)果，以而使矩陣的誤差分析獲得了突破性的進展，使不少用向前誤差分析難于判定可靠性的數(shù)值方法獲得新的進展。
標簽： 誤差分析
上傳時間： 2013-12-09
上傳用戶：FreeSky
調(diào)用過程 CM = Confusion_matrix(train_predicts, train_targets) [combining_predicts, errorrate] = combining_NB(DP, test_targets, CM) DP，三維數(shù)組，(i,j,k)為第k個樣本的DP矩陣 targets 為 0 1 2
標簽： combining_predicts Confusion_matrix train_predicts train_targets
上傳時間： 2015-04-04
上傳用戶：it男一枚
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
