交100部在线观看,色综合www,亚洲欧美韩国

大屏幕系統(tǒng)

系分筆記

系分筆記，內容很全，包括UML、中間件、CMM、數據倉庫、數據挖掘等內容，對我一次通過系分幫助很大

標簽： 分

上傳時間： 2013-12-15

上傳用戶：徐孺
Wrox.Programming.Interviews.Exposed.2nd.Edition 這個是全英文的第二版,chm版本, 本書取材于各大IT公司歷年面試真題（包括筆試題、口試題、電話面試、

Wrox.Programming.Interviews.Exposed.2nd.Edition 這個是全英文的第二版,chm版本, 本書取材于各大IT公司歷年面試真題（包括筆試題、口試題、電話面試、英語面試，以及邏輯測試和智商測試）。通過精確詳細的分類，把在應聘程序員（含網絡、測試等）過程中所遇見的常見考點分為21章。不僅對傳統的C系語言考點做了詳盡的解說，包括面向對象問題、sizeof問題、const問題、數據結構問題等。還根據外企出題最新特點，針對設計模式問題、C#問題、網絡問題、數據庫問題、NET問題等，做了深入的說明。

標簽： Programming Interviews Exposed Edition

上傳時間： 2016-12-09

上傳用戶：13188549192
本文檔為stanford大學Andrew Ng講授的機器學習課程的全部講稿

本文檔為stanford大學Andrew Ng講授的機器學習課程的全部講稿，內容講的非常透徹。如果英文聽力好的話，可以在youtube上看到該課程的教學視頻。對于ML的初學有較大幫助。

標簽： stanford Andrew 文檔大學

上傳時間： 2013-12-08

上傳用戶：英雄
鐘表顯示一．基本設計要求 1 在屏幕上顯示一個適當大小的圓形

鐘表顯示一．基本設計要求 1 在屏幕上顯示一個適當大小的圓形，再圓形道上均勻的分配著60個點，代表1秒—60秒的位置，凡是5倍的點應當比其他的大。 2 以圓中心為軸，畫一條斜線代表秒針，采用定時中斷方式，每過1秒鐘，秒針移動一個位置。 3 定時源可以使用試驗箱上的8253。 4 按“ESC”之后，結束演示。二．擴展要求屏幕上顯示時、分、秒針，沒有使用中斷定時方式，采用的是系統實時時間。三．課設基本思想屏幕設置為圖形方式，采用模塊化編程，主模塊顯示界面信息，每個子模塊負責一個功能，然后通過模塊調用來實現。首先調用畫圓及畫線子模塊顯示圓形表盤，及時、分、秒針，然后調用秒針移動子模塊式電子鐘能夠運行。在秒針移動子模塊中，首先通過cos和sin兩個功能模塊來確定秒針移動的度數，其次分別對秒、分、時進行擦除重寫操作，再分別對表盤及圓心進行刷新，這樣就實現了時、分、秒針的動態變化。四．程序流程圖

標簽： 屏幕

上傳時間： 2013-12-16

上傳用戶：duoshen1989
摘要:電壓監測儀的校驗工作量大、效率和精度低

摘要:電壓監測儀的校驗工作量大、效率和精度低，為保證電壓監測儀性能指標，研制了一種對單相電壓監測統計儀進行精度、靈敏度、諧波、時間試驗的校驗裝置。裝置以高速單片機為核心，利用豐富的P C機資源、融合F P G A 技術、點陣圖形液晶等技術，實現監測儀誤差校驗過程的自動控制、微機數據管理、程控操作、故障保護。實驗結果表明裝置綜合誤差為0 . 1 級，輸出電壓失真度小于0 . 5 ，系統運行準確、數據傳輸可靠、操作方便及功能完善。

標簽： 電壓監測儀效率精度

上傳時間： 2014-07-05

上傳用戶：stella2015
Fortran - Tóm tắ t nộ i dung mô n họ c Các khái niệ m và yế u tố

Fortran - Tóm tắ t nộ i dung mô n họ c Các khái niệ m và yế u tố trong ngô n ngữ lậ p trình FORTRAN. Các câ u lệ nh củ a ngô n ngữ FORTRAN. Cơ bả n về chư ơ ng chư ơ ng dị ch và mô i trư ờ ng lậ p trình DIGITAL Visual Fortran. Viế t và chạ y các chư ơ ng trình cho các bài toán đ ơ n giả n bằ ng ngô n ngữ FORTRAN.

標簽： Fortran 7855 7897 7885

上傳時間： 2013-12-25

上傳用戶：songrui
metricmatlab ch ¬ ng 4 Ma trË n - c¸ c phÐ p to¸ n vÒ ma trË n

metricmatlab ch ¬ ng 4 Ma trË n - c¸ c phÐ p to¸ n vÒ ma trË n. 4.1 Kh¸ i niÖ m: - Trong MATLAB d÷ liÖ u ® Ó ® a vµ o xö lý d íi d¹ ng ma trË n. - Ma trË n A cã n hµ ng, m cét ® î c gä i lµ ma trË n cì n  m. § î c ký hiÖ u An  m - PhÇ n tö aij cñ a ma trË n An  m lµ phÇ n tö n» m ë hµ ng thø i, cét j . - Ma trË n ® ¬ n ( sè ® ¬ n lÎ ) lµ ma trË n 1 hµ ng 1 cét. - Ma trË n hµ ng ( 1  m ) sè liÖ u ® î c bè trÝ trª n mét hµ ng. a11 a12 a13 ... a1m - Ma trË n cét ( n  1) sè liÖ u ® î c bè trÝ trª n 1 cét.

標簽： metricmatlab 203 184 tr

上傳時間： 2017-07-29

上傳用戶：來茴
給定兩個串S和T

給定兩個串S和T，長分別m和n，算法給出了一個找出二串間最大匹配的算法。該算法可用于比較兩個串S和T的相似程度。

標簽：

上傳時間： 2014-01-27

上傳用戶：sunjet
java實現大整數運算

在包 hugeinteger 中創建功能類 HugeInteger，該類用來存放和操作一個不超過 40 位的大整數。 (1) 定義一個構造函數，用來對大整數進行初始化。參數為一個字符串。 (2) 定義 input 成員函數，實現大整數的重新賦值。參數為一個字符串，無返回值。 (3) 定義 output 成員函數，將大整數輸出到屏幕上。無參數無返回值。 (4) 定義 add 成員函數，實現兩個大整數的加法。參數為一個 HugeInteger 對象，無返回值，例如： HugeInteger A = new HugeInteger("12345"); HugeInteger B = new HugeInteger("1234"); A.add(B); 此時，A 為 13579，B 為 1234。 (5) 定義 sub 成員函數，實現兩個大整數的減法。參數和返回值同 add 函數。 (6) 定義若干大整數關系運算的成員函數，包括 isEqualTo（等于，=）、 isNotEqualTo（不等于，≠）、isGreaterThan（大于，>）、isLessThan（小于，<）、isGreaterThanOrEqualTo（大于等于，≥）和 isLessThanOrEqualTo （小于等于，≤）。這些函數的參數為一個 HugeInteger 對象，返回值為一個布爾類型，表示關系運算的結果，例如： HugeInteger A = new HugeInteger("12345"); HugeInteger B = new HugeInteger("1234"); 那么此時 A.isGreaterThan(B)的結果應當為 True，表示 12345>1234。

標簽： java 整數運算

上傳時間： 2019-06-01

上傳用戶：idealist
神經網絡在智能機器人導航系統中的應用研究

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

標簽： 神經網絡智能機器人導航

上傳時間： 2022-02-12

上傳用戶：qingfengchizhu