檔案傳輸協定(FTP)為目前相當普遍與廣泛使用之網路 應用。然而在傳統檔案傳輸協定之設計下，資料 傳輸透過Out-of-Band(OOB)之機制，意即透過控制頻道(control channel)傳輸指令 ，而實際資料 傳輸則另外透過特定之通訊埠以及TCP連 線，進行 傳送。如此一來 可確保資料 傳輸之可靠與穩定性，但另一方面則會造成傳輸率 (throughput)效能低落 。因此，在本計劃中，我們透過使用SCTP協定並利 用多重串 流 (multi-stream)機制，達到以In-Band機制達成Out-of-Band傳輸之相同效果。在本研究之最後亦透過於開放原始碼系統實作並實際量 測，証
上傳時間： 2013-12-10
上傳用戶：2467478207
VC 中調用MATLAB 程序功能： 為了在vc中調用MATLAB而寫的一個簡單測試程序 設置路徑： 根據MATLAB所在盤而定，例如我的matlab是裝在D盤的，所以需要包含的路徑為 D:\MATLAB6p1\extern\include\,在工程中設置 需包含的頭文件： //matlab中的頭文件調用matlab的函數 #include "engine.h" 需要連接的LIB庫： D:\MATLAB6p1\extern\lib\win32\digital\df50\libeng.lib D:\MATLAB6p1\extern\lib\win32\digital\df50\libmx.lib 支持mx函數
上傳時間： 2013-12-16
上傳用戶：zxc23456789
鐵路定測中的中樁坐標計算程序，此程序只是計算曲線部分，其方法主要依賴于任一點極坐標法
上傳時間： 2013-12-08
上傳用戶：
工具箱 (分枝定界法工具箱) matlab 中使用
上傳時間： 2017-09-13
上傳用戶：450976175
*****本人收集了N年的nRF2401/24L01/905/9e5/401系列等/中文應用手冊,芯片選型手冊,(中-英雙份),51的nRF24L01的源代碼等,無線數傳的天線設計等,本資料最大特點,就是中文和英文雙份資料,以供不懂英文的電子友查閱參考,是開發無線數傳的不好多得的資料,好資料不能獨享,現在無私拿出來分享給大家!**********
上傳時間： 2014-11-23
上傳用戶：牛布牛
*****本人收集了N年的nRF2401/24L01/905/9e5/401系列等/中文應用手冊,芯片選型手冊,(中-英雙份),51的nRF24L01的源代碼等,無線數傳的天線設計等,本資料最大特點,就是中文和英文雙份資料,以供不懂英文的電子友查閱參考,是開發無線數傳的不好多得的資料,好資料不能獨享,現在無私拿出來分享給大家!**********
上傳時間： 2013-12-24
上傳用戶：wff
OptimizedQuickSort 理論上快速排序的平均時間復雜度是nlgn.最差是n^2. 但實際實現中可能表現的不如插入排序等其他算法。
標簽： OptimizedQuickSort nlgn 快速排序 平均時間
上傳時間： 2014-01-13
上傳用戶：R50974
C-W節約算法在車輛調度問題中的應用
上傳時間： 2017-04-26
上傳用戶：gyq143
該文檔為PID控制中如何整定PID參數簡介文檔，是一份很不錯的參考資料，具有較高參考價值，感興趣的可以下載看看………………
標簽： pid控制
上傳時間： 2021-11-25
上傳用戶：zhanglei193
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
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
