亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

收機(jī)設(shè)計(jì)

  • 臺灣簡訊網發送手機簡訊

    臺灣簡訊網發送手機簡訊

    標簽:

    上傳時間: 2015-02-17

    上傳用戶:plsee

  • 無線傳輸血壓計 無線傳輸血壓計

    無線傳輸血壓計 無線傳輸血壓計

    標簽: 無線傳輸

    上傳時間: 2014-02-23

    上傳用戶:gtf1207

  • 利用RTOS機制實現機械系統中的質量

    利用RTOS機制實現機械系統中的質量,阻尼等...也可利用鍵盤輸入m,k,c,來改變sin波的位移量

    標簽: RTOS 系統

    上傳時間: 2014-01-11

    上傳用戶:13517191407

  • 這是利用RTOS去實現機械系統

    這是利用RTOS去實現機械系統,這是方波的

    標簽: RTOS 系統

    上傳時間: 2014-08-13

    上傳用戶:leixinzhuo

  • 收銀機庫存銷售管理程序

    收銀機庫存銷售管理程序

    標簽: 庫存 銷售 程序

    上傳時間: 2015-03-03

    上傳用戶:s363994250

  • 一個多線程的網絡數據采集系統(服務器端)客戶端從服務器端收數據

    一個多線程的網絡數據采集系統(服務器端)客戶端從服務器端收數據,服務器端模擬生成數據

    標簽: 服務器 多線程 網絡數據 數據

    上傳時間: 2015-03-04

    上傳用戶:上善若水

  • 陽光餐飲收銀管理系統源碼

    陽光餐飲收銀管理系統源碼

    標簽: 管理系統 源碼

    上傳時間: 2015-03-05

    上傳用戶:一諾88

  • SQL資料收后制作的CHM學習文檔

    SQL資料收后制作的CHM學習文檔

    標簽: SQL CHM 文檔

    上傳時間: 2014-01-22

    上傳用戶:sunjet

  • 最新的支持向量機工具箱

    最新的支持向量機工具箱,有了它會很方便 1. Find time to write a proper list of things to do! 2. Documentation. 3. Support Vector Regression. 4. Automated model selection. REFERENCES ========== [1] V.N. Vapnik, "The Nature of Statistical Learning Theory", Springer-Verlag, New York, ISBN 0-387-94559-8, 1995. [2] J. C. Platt, "Fast training of support vector machines using sequential minimal optimization", in Advances in Kernel Methods - Support Vector Learning, (Eds) B. Scholkopf, C. Burges, and A. J. Smola, MIT Press, Cambridge, Massachusetts, chapter 12, pp 185-208, 1999. [3] T. Joachims, "Estimating the Generalization Performance of a SVM Efficiently", LS-8 Report 25, Universitat Dortmund, Fachbereich Informatik, 1999.

    標簽: 支持向量機 工具箱

    上傳時間: 2013-12-16

    上傳用戶:亞亞娟娟123

  • Hopfield 網——擅長于聯想記憶與解迷路 實現H網聯想記憶的關鍵

    Hopfield 網——擅長于聯想記憶與解迷路 實現H網聯想記憶的關鍵,是使被記憶的模式樣本對應網絡能量函數的極小值。 設有M個N維記憶模式,通過對網絡N個神經元之間連接權 wij 和N個輸出閾值θj的設計,使得: 這M個記憶模式所對應的網絡狀態正好是網絡能量函數的M個極小值。 比較困難,目前還沒有一個適應任意形式的記憶模式的有效、通用的設計方法。 H網的算法 1)學習模式——決定權重 想要記憶的模式,用-1和1的2值表示 模式:-1,-1,1,-1,1,1,... 一般表示: 則任意兩個神經元j、i間的權重: wij=∑ap(i)ap(j),p=1…p; P:模式的總數 ap(s):第p個模式的第s個要素(-1或1) wij:第j個神經元與第i個神經元間的權重 i = j時,wij=0,即各神經元的輸出不直接返回自身。 2)想起模式: 神經元輸出值的初始化 想起時,一般是未知的輸入。設xi(0)為未知模式的第i個要素(-1或1) 將xi(0)作為相對應的神經元的初始值,其中,0意味t=0。 反復部分:對各神經元,計算: xi (t+1) = f (∑wijxj(t)-θi), j=1…n, j≠i n—神經元總數 f()--Sgn() θi—神經元i發火閾值 反復進行,直到各個神經元的輸出不再變化。

    標簽: Hopfield 聯想

    上傳時間: 2015-03-16

    上傳用戶:JasonC

主站蜘蛛池模板: 荔波县| 东乡族自治县| 镇赉县| 霍城县| 合山市| 太仓市| 疏附县| 建瓯市| 双城市| 万源市| 库伦旗| 广宁县| 大城县| 开平市| 盐池县| 六枝特区| 蒙阴县| 绥化市| 安图县| 凉山| 长宁区| 四会市| 玛纳斯县| 兰考县| 古浪县| 迁安市| 华阴市| 安龙县| 江都市| 黄浦区| 昌吉市| 万年县| 济宁市| 崇明县| 竹溪县| 祁东县| 文化| 鱼台县| 西畴县| 青海省| 达孜县|