44B0的測試程序。此程序為44B0的4*4鍵盤的應用程序，基于中斷0觸發，當按下其中一個鍵時，會把0-F的相應鍵值顯示在8段LED上。
上傳時間： 2013-12-19
上傳用戶：tuilp1a
本文將介紹如何使用Sun公司的最新《Java Data Objects 》規范來進行基于數據庫的簡單應用程序的開發，從而使讀者對JDO有一個直接的感性的認識，為更深入的開發作鋪墊，同時也希望拋磚引玉，讓更多的富有經驗的高手也參與到推廣JDO的進程中來，為讀者提供更多更精彩的文章！
上傳時間： 2014-01-21
上傳用戶：TF2015
lcd的源程式，把51的正負極接至lcd，及接好控制腳位，再將lcd.asm檔compile後，lcd便會產生我們寫入的效果
上傳時間： 2013-12-20
上傳用戶：woshini123456
led的源程式，把51的正負極接至led，再將led.asm檔compile後，led便會產生一明一暗的效果
上傳時間： 2015-04-17
上傳用戶：waitingfy
ADC的源程式，把51的正負極接至ADC，再將ADC.asm檔compile後，ACD便會產生將類比轉成數位訊號的效果
上傳時間： 2013-12-31
上傳用戶：569342831
世界名牌專業音響網址大全,由東方網絡收集整理,是目前世界音響燈光行業著名公司及名牌產品網址的最新匯編，每一頁的網址都按照公司或產品英文字母的第一個字母而排列，您可以按照公司或名牌產品中英文名稱的關鍵詞進行查找（Ctrl+F快捷鍵），如果沒有搜索結果，您可以直接到東方論壇詢問，我們將幫助您查找。該程序由原來的<世界名牌音響網址>現更名為<世界名牌專業音響網址> ,已從新調整,添加了一些新的網址,刪除了死鍵接,然后再作美化!該電子程序升級為9IASP Audio web V2.8
上傳時間： 2015-04-22
上傳用戶：stvnash
prolog 找路例子程序： === === === === === === Part 1-Adding connections Part 2-Simple Path example | ?- path1(a,b,P,T). will produce the response: T = 15 P = [a,b] ? Part 3 - Non-repeating path As an example, the query: ?- path2(a,h,P,T). will succeed and may produce the bindings: P = [a,depot,b,d,e,f,h] T = 155 Part 4 - Generating a path below a cost threshold As an example, the query: ?- path_below_cost(a,[a,b,c,d,e,f,g,h],RS,300). returns: RS = [a,b,depot,c,d,e,g,f,h] ? RS = [a,c,depot,b,d,e,g,f,h] ? no ==================================
標簽： Part connections example prolog
上傳時間： 2015-04-24
上傳用戶：ljt101007
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
