歐幾里德算法：輾轉求余 原理: gcd(a,b)=gcd(b,a mod b) 當b為0時,兩數(shù)的最大公約數(shù)即為a getchar()會接受前一個scanf的回車符
上傳時間： 2014-01-10
上傳用戶：2467478207
數(shù)據(jù)結構課程設計 數(shù)據(jù)結構B+樹 B+ tree Library
標簽： Library tree 數(shù)據(jù)結構 樹
上傳時間： 2013-12-31
上傳用戶：semi1981
Neural Networks and Deep Learning（簡體中文），比較經(jīng)典的深度學習入門教程。
標簽： Networks Learning Neural Deep and 簡體中文
上傳時間： 2016-11-09
上傳用戶：zhousui
圖像配準理論及算法研究.pdf cnn_tutorial.pdf Deep Learning（深度學習）學習筆記整理.pdf 00.神經(jīng)?絡與深度學習.pdf deep learning.pdf 深度學習方法及應用PDF高清晰完整版.pdf 斯坦福大學-深度學習基礎教程.pdf 深度學習基礎教程.pdf deep+learning.pdf 深度學習 中文版 ---文字版.pdf 神經(jīng)網(wǎng)絡與機器學習（原書第3版）.pdf
上傳時間： 2013-06-07
上傳用戶：eeworm
* 高斯列主元素消去法求解矩陣方程AX=B,其中A是N*N的矩陣,B是N*M矩陣 * 輸入: n----方陣A的行數(shù) * a----矩陣A * m----矩陣B的列數(shù) * b----矩陣B * 輸出: det----矩陣A的行列式值 * a----A消元后的上三角矩陣 * b----矩陣方程的解X
上傳時間： 2015-07-26
上傳用戶：xauthu
(1) 、用下述兩條具體規(guī)則和規(guī)則形式實現(xiàn).設大寫字母表示魔王語言的詞匯 小寫字母表示人的語言詞匯 希臘字母表示可以用大寫字母或小寫字母代換的變量.魔王語言可含人的詞匯. (2) 、B→tAdA A→sae (3) 、將魔王語言B(ehnxgz)B解釋成人的語言.每個字母對應下列的語言.
上傳時間： 2013-12-30
上傳用戶：ayfeixiao
1.有三根桿子A,B,C。A桿上有若干碟子 2.每次移動一塊碟子,小的只能疊在大的上面 3.把所有碟子從A桿全部移到C桿上 經(jīng)過研究發(fā)現(xiàn)，漢諾塔的破解很簡單，就是按照移動規(guī)則向一個方向移動金片： 如3階漢諾塔的移動：A→C,A→B,C→B,A→C,B→A,B→C,A→C 此外，漢諾塔問題也是程序設計中的經(jīng)典遞歸問題
標簽： 移動 發(fā)現(xiàn)
上傳時間： 2016-07-25
上傳用戶：gxrui1991
1. 下列說法正確的是 （ ） A. Java語言不區(qū)分大小寫 B. Java程序以類為基本單位 C. JVM為Java虛擬機JVM的英文縮寫 D. 運行Java程序需要先安裝JDK 2. 下列說法中錯誤的是 ( ) A. Java語言是編譯執(zhí)行的 B. Java中使用了多進程技術 C. Java的單行注視以//開頭 D. Java語言具有很高的安全性 3. 下面不屬于Java語言特點的一項是( ) A. 安全性 B. 分布式 C. 移植性 D. 編譯執(zhí)行 4. 下列語句中，正確的項是 ( ) A . int $e,a,b=10 B. char c,d=’a’ C. float e=0.0d D. double c=0.0f
上傳時間： 2017-01-04
上傳用戶：netwolf
The past decade has seen an explosion of machine learning research and appli- cations; especially, deep learning methods have enabled key advances in many applicationdomains,suchas computervision,speechprocessing,andgameplaying. However, the performance of many machine learning methods is very sensitive to a plethora of design decisions, which constitutes a considerable barrier for new users. This is particularly true in the booming field of deep learning, where human engineers need to select the right neural architectures, training procedures, regularization methods, and hyperparameters of all of these components in order to make their networks do what they are supposed to do with sufficient performance. This process has to be repeated for every application. Even experts are often left with tedious episodes of trial and error until they identify a good set of choices for a particular dataset.
標簽： Auto-Machine-Learning-Methods-Sys tems-Challenges
上傳時間： 2020-06-10
上傳用戶：shancjb
The XML Toolbox converts MATLAB data types (such as double, char, struct, complex, sparse, logical) of any level of nesting to XML format and vice versa. For example, >> project.name = MyProject >> project.id = 1234 >> project.param.a = 3.1415 >> project.param.b = 42 becomes with str=xml_format(project, off ) "<project> <name>MyProject</name> <id>1234</id> <param> <a>3.1415</a> <b>42</b> </param> </project>" On the other hand, if an XML string XStr is given, this can be converted easily to a MATLAB data type or structure V with the command V=xml_parse(XStr).
標簽： converts Toolbox complex logical
上傳時間： 2016-02-12
上傳用戶：a673761058
