<menu id="c8kcy"></menu> 該電路集包括了從業界享有盛名的公司搜集到的大量最新電路，體現了豐富的設計思想。為便于讀者理解和應用這些電路，本書幾乎對每個電路都附有簡要說明。$ C' I" t% P5 l3 V. l0 K, B 本書可供電子技術工作者、高等院校和中等專科學校師生、電子愛好者閱讀和參考。( H& s, \, z6 ~% D: @
上傳時間： 2013-10-19
上傳用戶：songnanhua
當你認為你已經掌握了PCB 走線的特征阻抗Z0，緊接著一份數據手冊告訴你去設計一個特定的差分阻抗。令事情變得更困難的是，它說：“……因為兩根走線之間的耦合可以降低有效阻抗，使用50Ω的設計規則來得到一個大約80Ω的差分阻抗！”這的確讓人感到困惑！這篇文章向你展示什么是差分阻抗。除此之外，還討論了為什么是這樣，并且向你展示如何正確地計算它。 單線：圖1(a)演示了一個典型的單根走線。其特征阻抗是Z0，其上流經的電流為i。沿線任意一點的電壓為V=Z0*i（ 根據歐姆定律）。一般情況，線對：圖1(b)演示了一對走線。線1 具有特征阻抗Z11，與上文中Z0 一致，電流i1。線2具有類似的定義。當我們將線2 向線1 靠近時，線2 上的電流開始以比例常數k 耦合到線1 上。類似地，線1 的電流i1 開始以同樣的比例常數耦合到線2 上。每根走線上任意一點的電壓，還是根據歐姆定律，
標簽： 差分阻抗
上傳時間： 2013-11-10
上傳用戶：KSLYZ
int trace (int i, int j, int low, IMAGE im,IMAGE mag, IMAGE ori) float gauss(float x, float sigma) float dGauss (float x, float sigma) float meanGauss (float x, float sigma) void hysteresis (int high, int low, IMAGE im, IMAGE mag, IMAGE oriim) void canny (float s, IMAGE im, IMAGE mag, IMAGE ori)
上傳時間： 2015-01-30
上傳用戶：杜瑩12345
—圖數據類型的實現——問題描述：圖是一種較線性表和樹更為復雜的數據結構。在圖形結構中，結點之間的關系是任意的，任意兩個數據元素之間都可能相關，因此，圖的應用非常廣泛，已滲入到諸如語言學‘邏輯學、物理、化學、電訊工程、計算機科學及數學的其它分支中。因此，實現圖這種數據類型也尤為重要，在該練習中即要實現圖的抽象數據類型。基本要求：2、 定義出圖的ADT；3、 采用鄰接矩陣及鄰接表的存儲結構（有向圖也可使用十字鏈表）實現以下操作：a. 構造圖 b. 銷毀圖 c. 定位操作d. 訪問圖中某個頂點的操作e. 給圖中某個頂點賦值的操作f. 找圖中某個頂點的第一個鄰接點g. 找出圖G中頂點v相對于w的下一個鄰接點h. 在圖G中添加新頂點vi. 刪除圖G中頂點vj. 在圖G中插入一條邊k. 在圖G中刪除一條邊l. 實現圖的深度遍歷操作m. 實現圖的廣度遍歷操作參考提示：具體內容參看教科書本156頁實驗要求：對于以上具體操作要求實現時有良好的用戶交互界面。詳細設計、編碼、測試。
上傳時間： 2015-03-13
上傳用戶：saharawalker
98年全國大學生數學建模競賽B題“水災巡視問題”，是一個推銷員問題，本題有53個點，所有可能性大約為exp(53),目前沒有好方法求出精確解，既然求不出精確解，我們使用模擬退火法求出一個較優解,將所有結點編號為1到53,1到53的排列就是系統的結構,結構的變化規則是:從1到53的排列中隨機選取一個子排列,將其反轉或將其移至另一處,能量E自然是路徑總長度。具體算法描述如下：步1： 設定初始溫度T，給定一個初始的巡視路線。步2 ：步3 --8循環K次步3：步 4--7循環M次步4：隨機選擇路線的一段步5：隨機確定將選定的路線反轉或移動，即兩種調整方式：反轉、移動。步6：計算代價D，即調整前后的總路程的長度之差步7：按照如下規則確定是否做調整：如果D0,則按照EXP(-D/T)的概率進行調整步8:T*0.9-->T,降溫
上傳時間： 2015-03-14
上傳用戶：himbly
B/s結構，采用 asp.net(C#)+ MS SQL 編寫。嚴格按照三層結構，不失為學習 C#的好例子。安泰OA辦公系統自動化系統
標簽：
上傳時間： 2015-03-22
上傳用戶：yzy6007
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：R50974
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：ryb
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2014-12-19
上傳用戶：TRIFCT
學生成績管理系統功能簡介 a. 查詢指定學號學生成績記錄。 b. 按平均分順序插入一個新的學生成績。 c. 刪除指定學號學生記錄。 d. 修改指定學號學生成績記錄。 e. 在屏幕上輸出所有學生的成績。 f. 將學生成績輸出到文件。
上傳時間： 2015-06-06
上傳用戶：葉山豪
