<nav id="igi8s"></nav> 本方案適用于研究生、本科、大專、職業(yè)技術學院的嵌入式系統(tǒng)（單片機/ARM7） 應用、信息通信、應用電子、機電一體化、微機應用、數(shù)控技術、自動化控制、計 算機原理與應用、儀表及控制、汽車工程等與“電子/微機/總線”有緊密聯(lián)系的相關 專業(yè)。
標簽： ARM 方案 嵌入式系統(tǒng) 單片機
上傳時間： 2013-12-01
上傳用戶：nanxia
這是一個生物的吸收仿真程序,在模擬方面也算的是一個不錯的小程序.
上傳時間： 2014-01-01
上傳用戶：coeus
最新的支持向量機工具箱，有了它會很方便 1. Find time to write a proper list of things to do! 2. Documentation. 3. Support Vector Regression. 4. Automated model selection. REFERENCES ========== [1] V.N. Vapnik, "The Nature of Statistical Learning Theory", Springer-Verlag, New York, ISBN 0-387-94559-8, 1995. [2] J. C. Platt, "Fast training of support vector machines using sequential minimal optimization", in Advances in Kernel Methods - Support Vector Learning, (Eds) B. Scholkopf, C. Burges, and A. J. Smola, MIT Press, Cambridge, Massachusetts, chapter 12, pp 185-208, 1999. [3] T. Joachims, "Estimating the Generalization Performance of a SVM Efficiently", LS-8 Report 25, Universitat Dortmund, Fachbereich Informatik, 1999.
上傳時間： 2013-12-16
上傳用戶：亞亞娟娟123
一個碼制轉換的程序 BCD碼轉ASC碼,功能雖少,但還算好用
上傳時間： 2013-12-24
上傳用戶：evil
在VC下實現(xiàn)的一個小程序 牛頓迭帶法 先確定有根區(qū)間,再算值
上傳時間： 2015-03-15
上傳用戶：lizhizheng88
改進的遺傳算法的三個操作算子，包括選擇、交叉和變異。
上傳時間： 2015-03-15
上傳用戶：familiarsmile
仿真1：首先把網絡溫度參數(shù)T固定在100，按工作規(guī)則共進行1000次狀態(tài)更新,把這1000次狀態(tài)轉移中網絡中的各個狀態(tài)出現(xiàn)的次數(shù)Si（i＝1，2，…，16）記錄下來 按下式計算各個狀態(tài)出現(xiàn)的實際頻率： Pi=Si/∑i=1,NSi=Si/M 同時按照Bo1tzmann分布計算網絡各個狀態(tài)出現(xiàn)概率的理論值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：實施降溫方案，重新計算 采用快速降溫方案：T（t）= T0/（1+t） T從1000降到0.01，按工作規(guī)則更新網絡狀態(tài) 當T=0.01時結束降溫，再讓T保持在0.01進行1000次狀態(tài)轉移，比較兩種概率
上傳時間： 2014-01-20
上傳用戶：獨孤求源
Hopfield 網——擅長于聯(lián)想記憶與解迷路 實現(xiàn)H網聯(lián)想記憶的關鍵，是使被記憶的模式樣本對應網絡能量函數(shù)的極小值。 設有M個N維記憶模式，通過對網絡N個神經元之間連接權 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絡狀態(tài)正好是網絡能量函數(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網的算法 1）學習模式——決定權重 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： 則任意兩個神經元j、i間的權重： 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個神經元與第i個神經元間的權重 i = j時，wij=0，即各神經元的輸出不直接返回自身。 2)想起模式： 神經元輸出值的初始化 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)作為相對應的神經元的初始值，其中，0意味t=0。 反復部分：對各神經元，計算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經元總數(shù) f（）--Sgn（） θi—神經元i發(fā)火閾值 反復進行，直到各個神經元的輸出不再變化。
上傳時間： 2015-03-16
上傳用戶：JasonC
(1)輸入E條弧<j,k>,建立AOE-網的存儲結構 (2)從源點v出發(fā),令ve[0]=0,按拓撲排序求其余各項頂點的最早發(fā)生時間ve[i](1<=i<=n-1).如果得到的拓樸有序序列中頂點個數(shù)小于網中頂點數(shù)n,則說明網中存在環(huán),不能求關鍵路徑,算法終止 否則執(zhí)行步驟(3)(3)從匯點v出發(fā),令vl[n-1]=ve[n-1],按逆拓樸排序求其余各頂點的最遲發(fā)生時間vl[i](n-2>=i>=2). (4)根據(jù)各頂點的ve和vl值,求每條弧s的最早發(fā)生時間e(s)和最遲開始時間l(s).若某條弧滿足條件e(s)=l(s),則為關鍵活動.
上傳時間： 2014-11-28
上傳用戶：fredguo
一個開放源代碼的 AT&T 的 Korn Shell 的復制品, 支持大多數(shù) ksh89 的特性。
上傳時間： 2014-01-21
上傳用戶：TRIFCT
