設有二元函數 f(x,y) = f(x) + f(y) 其中：f(x) = f(x-1) * x (x>1) f(x) = 1 (x=1) f(y) = f(y-1) * f(y-2) (y>2) f(y) = 1 (y=1,2) 請編程建立3個并發協作進程，它們分別完成f(x,y),f(x),f(y)
標簽： gt 二元 函數
上傳時間： 2017-09-18
上傳用戶：baiom
Cubic spline algorithm approximating function y=f(x) - ((-2)*x*(2*x+3))/(x*x+4*x+5) in interval [-2 2]
標簽： approximating algorithm function interval
上傳時間： 2013-12-05
上傳用戶：xymbian
1 C 語語語言言言 簡簡簡介介介 5 1.1 C 語言 歷史 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.2 程 式 語言 分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3 程 式 撰 寫步 驟 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2 vi 編編編 輯輯輯 器器器 9 2.1 vi 與 vim . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.2 vi 的使用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.3 vim 的額外功能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.4 vi 實 機練習 題 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 3 程程程 式式式開開開發發發環環環 境境境 23 3.1 編譯器 gcc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2 撰 寫第一 支程 式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
標簽： C程式語 pdf
上傳時間： 2015-03-16
上傳用戶：十字騎士
設有二元函數 f(x,y) = f(x) + f(y) 其中： f(x) = f(x-1) * x (x >1) f(x)=1 (x=1) f(y) = f(y-1) + f(y-2) (y> 2) f(y)=1 (y=1,2) 請編程建立 3 個并發協作進程，它們分別完成 f(x,y)、f(x)、f(y)
標簽： 二元 函數
上傳時間： 2017-04-21
上傳用戶：WWSAE
MATLAB變聲器代碼，實現男聲變魔幻音，小黃人音的效果
標簽： 變聲
上傳時間： 2018-11-26
上傳用戶：hnz666
基于51單片機的智能溫控器設計（包含源程序及仿真）
標簽： 51單片機 智能溫控器
上傳時間： 2021-11-04
上傳用戶：slq1234567890
八爪魚采集器作為新一代通用型智能網頁采集..
標簽： 智能網頁采集器
上傳時間： 2021-12-05
上傳用戶：jiabin
基于單片機的八路智能搶答器系統設計畢業論文這是一份非常不錯的資料，歡迎下載，希望對您有幫助！
標簽： 單片機 智能搶答器
上傳時間： 2021-12-06
上傳用戶：默默
DIY太陽能追蹤器，智能移動太陽能板源碼DIY太陽能追蹤器，智能移動太陽能板源碼
標簽： 太陽能追蹤器
上傳時間： 2021-12-17
上傳用戶：
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
蟲蟲下載站版權所有 京ICP備2021023401號-1
