數字存儲器和混合信號超大規模集成電路 本書系統地介紹了數字、存儲器和混合信號VLSI系統的測試和可測試性設計。該書是根據作者多年的科研成果和教學實踐，結合國際上關注的最新研究熱點并參考大量的文獻撰寫的。全書共分三個部分。第一部分是測試基礎，介紹了測試基本概念、測試設備、測試經濟學和故障模型。第二部分是測試方法，詳細論述了組合和時序電路的測試生成、存儲器測試、基于DSP和基于模塊的模擬與混合信號測試、延遲測試和IDDQ測試等。第三部分是可測試性設計，包括掃描設計、BIST、邊界掃描測試、模擬測試總線標準和基于IP芯核的SOC（System on a chip）測試。
上傳時間： 2013-11-26
上傳用戶：hullow
基于嵌入式觸摸屏驅動程序的研究與開發 本文首先闡述了Windows CE.NET的體系結構及中斷處理、驅動程序模型，在介紹觸摸屏工作原理的基礎上，以基于S3C2410觸摸屏驅動程序為例，系統講述了如何使用分層的驅動程序模型來實現Windows CE的驅動程序設計。本文介紹了觸摸屏驅動程序開發的軟硬件細節，介紹的方法可移植性強，可方便的移植到其它的硬件設備中。
上傳時間： 2016-07-12
上傳用戶：miaochun888
Winsock提供了另一個有用的異步I/O模型。和WSAAsyncSelect模型類似的是，它也允許應用程序在一個或多個套接字上，接收以事件為 基礎的網絡事件通知。對于表1總結的、由WSAAsyncSelect模型采用的網絡事件來說，它們均可原封不動地移植到新模型。在用新模型 開發的應用程序中，也能接收和處理所有那些事件。該模型最主要的差別在于網絡事件會投遞至一個事件對象句柄，而非投遞至一個窗 口例程。(節選自《Windows網絡編程》第八章) 還是讓我們先看代碼然后進行分析：
標簽： WSAAsyncSelect Winsock 模型
上傳時間： 2014-01-19
上傳用戶：gxrui1991
建立迷宮的模型，實現迷宮的非遞歸查找和返回查找結果和迷宮路徑
上傳時間： 2016-07-27
上傳用戶：佳期如夢
編寫一個程序：來檢測程序中的簡單語法錯誤。例如：不配對的圓括號、方括號和花括號。并注意單引號、雙引號和注釋段的處理。 計算模型 本程序主要功能“括號匹配”的計算模型為： 1:清空堆棧 2:從左到右查表達式的每一個左括號 3:如為左括號,將此左括號壓進堆棧 4:如為右括號,查堆棧是否空?為空說明右括號數目>左括號指示出錯。 5:如果非空,從堆棧中取但不彈出一個左括號來,查它是否與此右括號類型匹配,不匹配,就指示出錯。匹配，就將此括號彈出堆棧。 6:重復2-5,如能直到最后一個符號不出錯,則表示完全匹配,結束.
上傳時間： 2013-12-21
上傳用戶：秦莞爾w
一、超強系統模型擴展功能 EmpireCMS卓越之處在于：不僅提供了網站管理功能，而且還提供了系統擴展框架，您可以直接在后臺通過新建表、自定義字段，然后組成新的系統模型，以實現各種適合用戶自己的系統。如下載系統、音樂系統、商城系統、產品庫、分類信息等等......同時，此功能可將信息量分配于不同的信息表，為數據量較大的網站進行數據部署。因系統模型擴展特性，EmpireCMS又被譽為“萬能建站工具”。在4.7以上版本中，此功能又一次得到升華，不僅增強了后臺管理系統的可擴展性，而且前臺互動性系統的擴展也能發揮得淋漓盡致，在穩定性、擴展性與完善性等諸多方面都得到了更完美的提升！ 二、強大的信息采集功能 本系統無論是內置的系統模型還是用戶自定義的模型都有自己相應的采集。自動化內容采集的支持，大大降低了內容維護的工作量，并讓網站管理系統與企業的其它信息化系統無縫集成，提高了信息的利用率。 ·使用簡單：無需會任何程序，只需在相應的采集內容加上相應的標簽即可。 ·多重過濾：同一鏈接可設置不重復采集；設置采集關鍵字(不包含不采集)；內容字符替換；廣告過濾；整頁代碼過濾；過濾相似信息；過濾標題相同信息；設置采集記錄數。 ·采集區域更準確：整體頁面區
上傳時間： 2013-12-08
上傳用戶：1966640071
摘要 : 在 MAT LAB環境下利用語音工具箱 Voice Box實現基于連續概率密度隱含馬爾科夫模型的漢語語音識別系統。在 實時錄音的情況下 , 利用該語音識別系統 , 不同的人對 20條 2～8個字的語音命令進行識別 , 準確率可達到 95 ％ , 識別時間 115～3 s , 實現了小詞匯量連續語音的非特定人的實時識別。
上傳時間： 2013-12-31
上傳用戶：aix008
常用的說話人識別方法有模板匹配法、統計建模法、聯接主義法(即人工神經網絡實現)。考慮到數據量、實時性以及識別率的問題，采用基于矢量量化和隱馬爾可夫模型(HMM)相結合的方法。 說話人識別的系統主要由語音特征矢量提取單元(前端處理)、訓練單元、識別單元和后處理單元組成，
上傳時間： 2014-07-08
上傳用戶：wqxstar
針對實際對象數學模型不明確而難以控制的問題,采用人工免疫網絡的離散模 型與學習算法,將人工免疫系統與神經網絡結構的優勢相結合,提出了一種基于人工免疫 網絡的模式識別算法,構造了對象識別的人工免疫網絡模型.該算法綜合了網絡節點的定 位與參數調整以及對基函數的平滑因子實施調諧等功能,有效地解決了徑向基函數 (RBF)神經網絡模式識別的兩個階段任務,使模式識別的精度有較大的改進.采用兩個不 同對象函數進行的仿真試驗表明,該算法具有快速收斂性與較高的準確性.
上傳時間： 2016-11-21
上傳用戶：遠遠ssad
程序清單A中收錄了產生PPM-TH和PAM-DS這兩個信號源的所有函數；程序清單B中收錄了加性高斯白噪聲（AWGN）信道建模，正交和非正交單脈沖PPM-TH接收機結構，以及反極性PAM-DS單脈沖接收機結構仿真所需的所有函數。
上傳時間： 2013-12-22
上傳用戶：hwl453472107
