用戶可隨意選擇兩個數(shù)，按確定可計算M~N的累加和
標(biāo)簽： 用戶
上傳時間： 2017-05-18
上傳用戶：66666
出租車計費(fèi)系統(tǒng)的設(shè)計 2.1 出租車計費(fèi)器工作原理 實際中出租車的計費(fèi)工作原理一般分成3個階段： （1）車起步開始計費(fèi)。首先顯示起步價（本次設(shè)計起步費(fèi)為7.00元）,車在行駛3 km以內(nèi)，只收起步價7.00元。 （2）車行駛超過3 km后,按每公里2.2元計費(fèi)（在7.00元基礎(chǔ)上每行駛1 km車費(fèi)加2.2元）,車費(fèi)依次累加。 （3）行駛路程達(dá)到或超過9 km后(車費(fèi)達(dá)到20元)，每公里加收50 的車費(fèi),車費(fèi)變成按每公里3.3元開始計費(fèi)。車暫時停止（行駛中遇紅燈或中途暫時停車）不計費(fèi)，
標(biāo)簽： 7.00 2.1 工作原理 計費(fèi)
上傳時間： 2017-05-28
上傳用戶：ynwbosss
灰色預(yù)測模型稱為CM模型，G為grey的第一個字母，M為model的第一個字母。GM（1，1）表示一階的，一個變量的微分方程型預(yù)測模型。GM（1，1）是一階單序列的線性動態(tài)模型，主要用于時間序列預(yù)測。 一、GM（1，1）建模 設(shè)有數(shù)列 共有 個觀察值 對 作累加生成，得到新的數(shù)列 灰色理論與模型及在車輛擁有量預(yù)測中的應(yīng)用 灰色神經(jīng)網(wǎng)絡(luò)交通事故預(yù)測比較 灰色系統(tǒng)(第三版)
標(biāo)簽： 灰色預(yù)測模型 模型
上傳時間： 2013-12-22
上傳用戶：colinal
單片機(jī)控制數(shù)碼管顯示，實現(xiàn)計數(shù)器功能，使能按下一個按鈕之后計數(shù)器開始累加。
標(biāo)簽： 單片機(jī)控制 數(shù)碼管顯示
上傳時間： 2017-06-28
上傳用戶：gyq
語音識別中的說話人自適應(yīng)研究.nh 1.MAP和MLLR算法比較 文章在討論由說話人引起的聲學(xué)差異基礎(chǔ)上，研究兩種基于模型 的自適應(yīng)算法:最大似然線性回歸(州壓LR)和最大后驗概率(MAp)。 實驗結(jié)果表明，不論采用哪種自適應(yīng)都能使識別率有一定的提升。兩 種算法之間的差異性在于MAP具有良好的漸進(jìn)性，但收斂性較差， 而MLLR在很大程度上改善了收斂特性，但其漸進(jìn)特性卻不如MAP。 文章討論了在側(cè)汰P自適應(yīng)中，初始模型參數(shù)的先驗知識對自適 應(yīng)效果的影響，以及在MLLR中，回歸類對自適應(yīng)效果的影響。文 章還進(jìn)一步研究了采用兩種算法的累加自適應(yīng)效果，從結(jié)果看MAP 和MLLR結(jié)合的方法比單獨(dú)使用M[AP和MLLR的效果要好。文章 還對包括基于特征層的歸一化算法和用于基于聲學(xué)模型的MLLR算 法等效性進(jìn)行討論，并給出了統(tǒng)一的算法框架。
上傳時間： 2014-01-09
上傳用戶：bakdesec
本系統(tǒng)主要功能 1，會員管理 實現(xiàn)會員添加、修改、刪除、查詢功能，可對會員進(jìn)行充值、添加消費(fèi)記錄、積分交換操作，其中每筆消費(fèi)都會按照會員所屬等級自動計算積分， 會員可使用所得積分換取禮品或消費(fèi)卷。 2，卡類管理 實現(xiàn)會員等級添加、修改、刪除功能。會員在消費(fèi)時，系統(tǒng)根據(jù)會員所屬卡類型的積分率自動計算本次消費(fèi)所得積分，并累加到總積分中。 3，禮品管理 實現(xiàn)禮品的添加、修改、刪除功能。會員可根據(jù)自己消費(fèi)所得積分換取不同禮品。 4，充值報表、消費(fèi)報表、交換報表 管理層可查看所有會員充值、消費(fèi)、禮品交換歷史記錄，了解店里運(yùn)營情況，及時做出英明營業(yè)計劃。 本系統(tǒng)還根據(jù)不用客戶制定基于Reporting Services的各種報表。 5，管理員管理 實現(xiàn)管理員的添加、刪除功能。管理員管理記錄管理員登錄系統(tǒng)次數(shù)和上次登錄時間 本系統(tǒng)開發(fā)結(jié)構(gòu)介紹 本系統(tǒng)是利用目前最流行的開發(fā)架構(gòu)－－工廠模式三層架構(gòu)實現(xiàn)，基于VS2005，使用C#語言開發(fā)，數(shù)據(jù)庫基于SQL SERVER2005，并使用Reporting Services為客戶制定各種不同形式的營業(yè)報表。 此外，在會員充值、消費(fèi)、禮品換取時，系統(tǒng)都將自動給會員發(fā)送郵件提醒
標(biāo)簽：
上傳時間： 2017-07-17
上傳用戶：xaijhqx
//接收端的解碼模塊（可綜合） //在信號接收的剛開始發(fā)送端發(fā)送的是10個1信號， //即10個+M序列，所以我們在開始時每接收到一個信號做一次累加運(yùn)算 //當(dāng)出現(xiàn)正的高峰時則認(rèn)為達(dá)到同步，進(jìn)入同步解調(diào)過程（mainbody）。 //也就是從此每進(jìn)入一個信號就進(jìn)行相應(yīng)的相乘相加， //在解接收到31個信號后進(jìn)行一次判斷，大于0認(rèn)為接收到1，小于0認(rèn)為接收到0。
上傳時間： 2017-07-31
上傳用戶：笨小孩
TMS320VC5416的主要特征有： (1)優(yōu)化的CPU結(jié)構(gòu)：增強(qiáng)的多總線結(jié)構(gòu)，數(shù)據(jù)總線具有總線保持特性；40bit的算術(shù)邏輯單元（ALU），包括兩個獨(dú)立的40bit的累加器，一個40bit的桶形移位器；一個17×17的乘法器連接一個40bit專用加法器，可用來進(jìn)行非流水線式的單周期乘/累加（MAC）操作等。
上傳時間： 2013-12-28
上傳用戶：lacsx
遺傳算法為群體優(yōu)化算法，也就是從多個初始解開始進(jìn)行優(yōu)化，每個解稱為一個染色體，各染色體之間通過競爭、合作、單獨(dú)變異，不斷進(jìn)化。 優(yōu)化時先要將實際問題轉(zhuǎn)換到遺傳空間，就是把實際問題的解用染色體表示，稱為編碼，反過程為解碼，因為優(yōu)化后要進(jìn)行評價，所以要返回問題空間，故要進(jìn)行解碼。SGA采用二進(jìn)制編碼，染色體就是二進(jìn)制位串，每一位可稱為一個基因；解碼時應(yīng)注意將染色體解碼到問題可行域內(nèi)。 遺傳算法模擬“適者生存，優(yōu)勝劣汰”的進(jìn)化機(jī)制，染色體適應(yīng)生存環(huán)境的能力用適應(yīng)度函數(shù)衡量。對于優(yōu)化問題，適應(yīng)度函數(shù)由目標(biāo)函數(shù)變換而來。一般遺傳算法求解最大值問題，如果是最小值問題，則通過取倒數(shù)或者加負(fù)號處理。SGA要求適應(yīng)度函數(shù)>0，對于<0的問題，要通過加一個足夠大的正數(shù)來解決。這樣，適應(yīng)度函數(shù)值大的染色體生存能力強(qiáng)。 遺傳算法有三個進(jìn)化算子：選擇（復(fù)制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個圓盤上，每個染色體占據(jù)一定的扇形區(qū)域，扇形區(qū)域的面積大小和染色體的適應(yīng)度大小成正比。如果輪盤中心裝一個可以轉(zhuǎn)動的指針的話，旋轉(zhuǎn)指針，指針停下來時會指向某一個區(qū)域，則該區(qū)域?qū)?yīng)的染色體被選中。顯然適應(yīng)度高的染色體由于所占的扇形區(qū)域大，因此被選中的幾率高，可能被選中多次，而適應(yīng)度低的可能一次也選不中，從而被淘汰。算法實現(xiàn)時采用隨機(jī)數(shù)方法，先將每個染色體的適應(yīng)度除以所有染色體適應(yīng)度的和，再累加，使他們根據(jù)適應(yīng)度的大小分布于0-1之間，適應(yīng)度大的占的區(qū)域大，然后隨機(jī)生成一個0-1之間的隨機(jī)數(shù)，隨機(jī)數(shù)落到哪個區(qū)域，對應(yīng)的染色體就被選中。重復(fù)操作，選出群體規(guī)模規(guī)定數(shù)目的染色體。這個操作就是“優(yōu)勝劣汰，適者生存”，但沒有產(chǎn)生新個體。 交叉模擬有性繁殖，由兩個染色體共同作用產(chǎn)生后代，SGA采用單點(diǎn)交叉。由于SGA為二進(jìn)制編碼，所以染色體為二進(jìn)制位串，隨機(jī)生成一個小于位串長度的隨機(jī)整數(shù)，交換兩個染色體該點(diǎn)后的那部分位串。參與交叉的染色體是輪盤賭選出來的個體，并且還要根據(jù)選擇概率來確定是否進(jìn)行交叉（生成0-1之間隨機(jī)數(shù)，看隨機(jī)數(shù)是否小于規(guī)定的交叉概率），否則直接進(jìn)入變異操作。這個操作是產(chǎn)生新個體的主要方法，不過基因都來自父輩個體。 變異采用位點(diǎn)變異，對于二進(jìn)制位串，0變?yōu)?，1變?yōu)?就是變異。采用概率確定變異位，對每一位生成一個0-1之間的隨機(jī)數(shù)，看是否小于規(guī)定的變異概率，小于的變異，否則保持原狀。這個操作能夠使個體不同于父輩而具有自己獨(dú)立的特征基因，主要用于跳出局部極值。 遺傳算法認(rèn)為生物由低級到高級進(jìn)化，后代比前一代強(qiáng)，但實際操作中可能有退化現(xiàn)象，所以采用最佳個體保留法，也就是曾經(jīng)出現(xiàn)的最好個體，一定要保證生存下來，使后代至少不差于前一代。大致有兩種類型，一種是把出現(xiàn)的最優(yōu)個體單獨(dú)保存，最后輸出，不影響原來的進(jìn)化過程；一種是將最優(yōu)個體保存入子群，也進(jìn)行選擇、交叉、變異，這樣能充分利用模式，但也可能導(dǎo)致過早收斂。 由于是基本遺傳算法，所以優(yōu)化能力一般，解決簡單問題尚可，高維、復(fù)雜問題就需要進(jìn)行改進(jìn)了。 下面為代碼。函數(shù)最大值為3905.9262，此時兩個參數(shù)均為-2.0480，有時會出現(xiàn)局部極值，此時一個參數(shù)為-2.0480，一個為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優(yōu)模式保留，結(jié)果會更豐富些，也就是算法最后不一定收斂于極值點(diǎn)，當(dāng)然局部收斂現(xiàn)象也會有所減少，但最終尋得的解不一定是本次執(zhí)行中曾找到過的最好解。
標(biāo)簽： 遺傳算法
上傳時間： 2015-06-04
上傳用戶：芃溱溱123
積分方程法是研究氣體分子的集體運(yùn)動，把分子的運(yùn)動范圍分成無數(shù)個小區(qū)域，在全面地考慮了分子在每個區(qū)域里的運(yùn)動經(jīng)歷，以及各區(qū)域之間可能發(fā)生的交互作用和運(yùn)動結(jié)果，然后用積分進(jìn)行累加，求得傳輸幾率。
上傳時間： 2016-05-21
上傳用戶：laomvye
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
