提 出了一種 網(wǎng)絡(luò) 化嵌 入 式 數(shù) 控 系統(tǒng) ， 系統(tǒng) 采 用 A RM 4 - D S P結(jié) 構(gòu) ， 實(shí)現(xiàn) 了數(shù) 控 系統(tǒng) 的 小型 化 、 網(wǎng)絡(luò) 化 、 智能化 和 集成 化 。詳 細(xì)介 紹 了嵌入 式數(shù) 控 系統(tǒng) 內(nèi) CNC主控 單元 與 伺 服 驅(qū)動(dòng) 及 I ／0邏輯 控 制 等各 單 元 間的通信 、 車 間級(jí) 工 業(yè) 以太 網(wǎng)絡(luò) 的通信 和 i n t r a n e t ／ I n t e r n e t網(wǎng)絡(luò) 通信 ， 并給 出 了關(guān)鍵 實(shí)現(xiàn)技 術(shù)。
標(biāo)簽： 網(wǎng)絡(luò)
上傳時(shí)間： 2013-12-27
上傳用戶：huannan88
Ex4-22 單射函數(shù)問題 « 問題描述： 設(shè)函數(shù)f將點(diǎn)集S = {0,1, , n -1}映射為f (S) = { f (i) | iÎ S} Í S 。單射函數(shù)問題要 從S中選取最大子集X Í S 使f (X )是單射函數(shù)。 例如，當(dāng)n=7， f (S) = {1,0,0,2,2,3,6} Í S 時(shí)， X = {0,1,6} Í S 是所求的最大子集。 « 編程任務(wù)： 對(duì)于給定的點(diǎn)集S = {0,1, , n -1}上函數(shù)f，試用抽象數(shù)據(jù)類型隊(duì)列，設(shè)計(jì)一個(gè)O(n)時(shí) 間算法，計(jì)算f的最大單射子集。 « 數(shù)據(jù)輸入： 由文件input.txt 提供輸入數(shù)據(jù)。文件的第1 行有1 個(gè)正整數(shù)n，表示給定的點(diǎn)集 S = {0,1, , n -1}。第2 行是f (i)的值，0 £ i < n。 « 結(jié)果輸出: 程序運(yùn)行結(jié)束時(shí)，將計(jì)算出的f的最大單射子集的大小輸出到output.txt中。 輸入文件示例 輸出文件示例 input.txt 7 1 0 0 2 2 3 6 output.txt 3
標(biāo)簽： Iacute 61516 laquo Icirc
上傳時(shí)間： 2016-05-28
上傳用戶：tyler
％ EM algorithm for k multidimensional Gaussian mixture estimation ％ ％ Inputs: ％ X(n,d) - input data, n=number of observations, d=dimension of variable ％ k - maximum number of Gaussian components allowed ％ ltol - percentage of the log likelihood difference between 2 iterations ([] for none) ％ maxiter - maximum number of iteration allowed ([] for none) ％ pflag - 1 for plotting GM for 1D or 2D cases only, 0 otherwise ([] for none) ％ Init - structure of initial W, M, V: Init.W, Init.M, Init.V ([] for none) ％ ％ Ouputs: ％ W(1,k) - estimated weights of GM ％ M(d,k) - estimated mean vectors of GM ％ V(d,d,k) - estimated covariance matrices of GM ％ L - log likelihood of estimates ％
標(biāo)簽： multidimensional estimation algorithm Gaussian
上傳時(shí)間： 2013-12-03
上傳用戶：我們的船長
設(shè)定a為N(0,1)的500個(gè)隨機(jī)數(shù)和i長為500，以n=8、16、64.分別調(diào)用u_pcm.m ，從中計(jì)算量化誤差f=a-a_quan并繪圖，分別輸出各樣值的量化誤差圖形。
標(biāo)簽： 500 設(shè)定 隨機(jī)數(shù)
上傳時(shí)間： 2014-01-17
上傳用戶：偷心的海盜
給出了廣義逐次超松弛( GSOR) 迭代算法,得到了GSOR 算法收斂的必要性和充分性 條件,當(dāng)參數(shù)矩陣Ω = diag (ω1 ,ω2 , ⋯ ,ωn) = ωI n 時(shí),即可得到熟知的SOR 算法,舉例說明了 GSOR 算法的應(yīng)用。
上傳時(shí)間： 2014-11-28
上傳用戶：大三三
有限期作業(yè)安排問題”描述如下:有n個(gè)任務(wù)J1,J2,...,Jn,每個(gè)任務(wù)Ji都有一個(gè)完成期限di,若任務(wù)Ji在它的期限di內(nèi)完成,則可以獲利Ci(1[i[n) 問如何安排使得總的收益最大(假設(shè)完成每一個(gè)任務(wù)所需時(shí)間均為一個(gè)單位時(shí)間).這個(gè)問題適合用貪心算法來解決,貪心算法的出發(fā)點(diǎn)是每一次都選擇利潤大的任務(wù)來完成以期得到最多的收益 但是對(duì)于本問題由于每一個(gè)任務(wù)都有一個(gè)完成的期限,因此在任務(wù)安排過程中除了考慮利潤C(jī)i外,還要考慮期限di.
上傳時(shí)間： 2016-06-27
上傳用戶：s363994250
求標(biāo)準(zhǔn)偏差 > function c=myfunction(x) > [m,n]=size(x) > t=0 > for i=1:numel(x) > t=t+x(i)*x(i) > end > c=sqrt(t/(m*n-1)) function c=myfunction(x) [m,n]=size(x) t=0 for i=1:m for j=1:n t=t+x(i,j)*x(i,j) end end c=sqrt(t/(m*n-1
標(biāo)簽： gt myfunction function numel
上傳時(shí)間： 2014-01-15
上傳用戶：hongmo
求標(biāo)準(zhǔn)偏差 > function c=myfunction(x) > [m,n]=size(x) > t=0 > for i=1:numel(x) > t=t+x(i)*x(i) > end > c=sqrt(t/(m*n-1)) function c=myfunction(x) [m,n]=size(x) t=0 for i=1:m for j=1:n t=t+x(i,j)*x(i,j) end end c=sqrt(t/(m*n-1
標(biāo)簽： gt myfunction function numel
上傳時(shí)間： 2013-12-26
上傳用戶：dreamboy36
求標(biāo)準(zhǔn)偏差 > function c=myfunction(x) > [m,n]=size(x) > t=0 > for i=1:numel(x) > t=t+x(i)*x(i) > end > c=sqrt(t/(m*n-1)) function c=myfunction(x) [m,n]=size(x) t=0 for i=1:m for j=1:n t=t+x(i,j)*x(i,j) end end c=sqrt(t/(m*n-1
標(biāo)簽： gt myfunction function numel
上傳時(shí)間： 2016-06-28
上傳用戶：change0329
求標(biāo)準(zhǔn)偏差 > function c=myfunction(x) > [m,n]=size(x) > t=0 > for i=1:numel(x) > t=t+x(i)*x(i) > end > c=sqrt(t/(m*n-1)) function c=myfunction(x) [m,n]=size(x) t=0 for i=1:m for j=1:n t=t+x(i,j)*x(i,j) end end c=sqrt(t/(m*n-1
標(biāo)簽： gt myfunction function numel
上傳時(shí)間： 2014-09-03
上傳用戶：jjj0202
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
