學生信息管理系統,學生信息管理系統，在VC++環境下的學生信息管理系統 ，有點簡單，但是對於初學者還是不錯的。
上傳時間： 2014-09-01
上傳用戶：bcjtao
《ARM嵌入式WINDOWS CE實踐教程》是ARM嵌入式技術 系列教程之一。該教程教材采用華中科技大學和武漢創維特信息技 術有限公司聯合研制的JXARM9-2410嵌入式教學實驗系統作為教 學實踐平臺。 Windows CE嵌入式操作系統是目前嵌入式主流操作系統之一， 它以超強的性能、友好的Windows人機界面以及標準化、可視化的 軟件開發過程被越來越多地使用在手機、PDA等產品中，本書結合 ARM9嵌入式處理器的特點，介紹了在其上進行Windows CE開發
上傳時間： 2017-05-31
上傳用戶：hustfanenze
學會一個程式語言，是一回事兒；學會如何以此語言設計並實作出有效的程式，又是一回事兒。C++ 尤其如此，因為它很不尋常地涵蓋了罕見的威力和豐富的表現力，不但建立在一個全功能的傳統語言（C）之上，更提供極為廣泛的物件導向（object-oriented）性質，以及對templates 和exceptions（異常狀態）的支援。
標簽： 程式
上傳時間： 2013-12-09
上傳用戶：ANRAN
教你如何設計反激變壓器,輸入高壓電容計算，在開關電源設計中很有意義
上傳時間： 2017-06-21
上傳用戶：aix008
檔案傳輸協定(FTP)為目前相當普遍與廣泛使用之網路 應用。然而在傳統檔案傳輸協定之設計下，資料 傳輸透過Out-of-Band(OOB)之機制，意即透過控制頻道(control channel)傳輸指令 ，而實際資料 傳輸則另外透過特定之通訊埠以及TCP連 線，進行 傳送。如此一來 可確保資料 傳輸之可靠與穩定性，但另一方面則會造成傳輸率 (throughput)效能低落 。因此，在本計劃中，我們透過使用SCTP協定並利 用多重串 流 (multi-stream)機制，達到以In-Band機制達成Out-of-Band傳輸之相同效果。在本研究之最後亦透過於開放原始碼系統實作並實際量 測，証
上傳時間： 2013-12-10
上傳用戶：2467478207
Teach Yourself JAVA in 21 Days 這本書教你所有的Java語言，以及如何使用它來創建應用程序的萬維網，以及獨立的應用程序。當你獲得通過的這本書，您會不夠了解Java和Java類的圖書館這樣做任何事情，在一個applet或縮小。
上傳時間： 2017-08-29
上傳用戶：daoxiang126
為實 現校 園教 學 管理 的信 息 化、 科學 化 和可 視化 ， 在分 析現 有 校園 信息 管理 系 統特 點的 基 礎上 ，研 究 了將 GIS 技術 和校園教 學 MIS 系統集 成的方法 ，建立了 基于 CORBA 的校園 教學信息 集成模型 框架, 對 它的系統 體系結構 、 功能 設計及實 現技術進 行了比較 詳細的探 討，并以 應用實例 闡述了基 于 C/S 模式的校 園教學管 理 GIS 查詢系統 的實現 方法 ，為實現 校園教學 管理可視 化提供了 一種有效 的解決方 案。
標簽：
上傳時間： 2017-08-31
上傳用戶：lizhen9880
摘 要 ： 為實 現校 園教 學 管理 的信 息 化、 科學 化 和可 視化 ， 在分 析現 有 校園 信息 管理 系 統特 點的 基 礎上 ，研 究 了將 GIS 技術 和校園教 學 MIS 系統集 成的方法 ，建立了 基于 CORBA 的校園 教學信息 集成模型 框架, 對 它的系統 體系結構 、 功能 設計及實 現技術進 行了比較 詳細的探 討，并以 應用實例 闡述了基 于 C/S 模式的校 園教學管 理 GIS 查詢系統 的實現 方法 ，為實現 校園教學 管理可視 化提供了 一種有效 的解決方 案。
標簽：
上傳時間： 2013-12-20
上傳用戶：偷心的海盜
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
主要內容介紹 Allegro 如何載入 Netlist，進而認識新式轉法和舊式轉法有何不同及優缺點的分析，透過本章學習可以對 Allegro 和 Capture 之間的互動關係，同時也能體驗出 Allegro 和 Capture 同步變更屬性等強大功能。Netlist 是連接線路圖和 Allegro Layout 圖檔的橋樑。在這裏所介紹的 Netlist 資料的轉入動作只是針對由 Capture（線路圖部分）產生的 Netlist 轉入 Allegro（Layout部分）1． 在 OrCAD Capture 中設計好線路圖。2． 然後由 OrCAD Capture 產生 Netlist（annotate 是在進行線路圖根據第五步產生的資料進行編改）。 3． 把產生的 Netlist 轉入 Allegro（layout 工作系統）。 4． 在 Allegro 中進行 PCB 的 layout。 5． 把在 Allegro 中產生的 back annotate（Logic）轉出（在實際 layout 時可能對原有的 Netlist 有改動過），並轉入 OrCAD Capture 裏進行回編。
上傳時間： 2022-04-28
上傳用戶：kingwide
