介紹了熱量表中基于MFRC522的預付費模塊的組成及工作原理，提出了預付費功能的硬件電路和軟件控制流程設計方案。通過對IC卡電路和驅(qū)動電磁閥的電源控制，實現(xiàn)了系統(tǒng)的低功耗、高效率，為解決熱力公司收費難、提高居民節(jié)約意識創(chuàng)造了條件。預付費模塊組成及工作原理熱量表是用于測量并顯示水流經(jīng)熱交換系統(tǒng)所釋放或吸收能量的儀表" 它通過采集入水口( 出水口的溫度和水的流量" 計算出系統(tǒng)所釋放的熱量& 預付費模塊就是為實現(xiàn)’
上傳時間： 2013-10-27
上傳用戶：笨小孩
本文檔為致遠電子ZigBee分析儀產(chǎn)品的軟件使用說明，該軟件實現(xiàn)ZigBee數(shù)據(jù)包的捕獲，分析，信道能量掃描及網(wǎng)絡拓撲結(jié)構(gòu)分析等，詳細使用說明見《ZigBee分析儀數(shù)據(jù)手冊
上傳時間： 2013-11-17
上傳用戶：小儒尼尼奧
Autolife模型是一個能夠進行“開放式進化”的人工生命系統(tǒng)。每個Agent模型采用可以變化規(guī)則表長度的有限自動機模型建模。一方面Agent可以進行自我繁殖，同時模型中的選擇機制沒有采用顯式的適應度函數(shù)而是采用能量消耗的簡單模型而自發(fā)涌現(xiàn)出來，所以可以認為Agent模型是一個類Tierra系統(tǒng)。然而與Tierra、Avida等數(shù)字生命模型不同的是，Autolife模型進行了大大的簡化，它界面友好，操作直接。雖然沒有給每個Agent裝配一個虛擬計算機，但是Agent與環(huán)境的耦合則可以看成一個圖靈機模型，因此Agent可以通過變異而“任意”的編程序。通過Autolife模型，首先人們可以看到一般的生態(tài)系統(tǒng)中共存的現(xiàn)象：生物的大爆炸、大滅絕，Agent進化得越來越聰明；其次，用戶可以通過變化不同的食物添加規(guī)則探索Agent與環(huán)境的關(guān)系；最后，如果允許Agent通過播種改變環(huán)境自動產(chǎn)生食物，那么組織的涌現(xiàn)就是一種不可避免的結(jié)果。Agent構(gòu)成的組織具有自主運動的特性，還可以進行自我修復，可以說Autolife中的組織是一些真正的“活體”。
上傳時間： 2015-03-14
上傳用戶：a6697238
98年全國大學生數(shù)學建模競賽B題“水災巡視問題”，是一個推銷員問題，本題有53個點，所有可能性大約為exp(53),目前沒有好方法求出精確解，既然求不出精確解，我們使用模擬退火法求出一個較優(yōu)解,將所有結(jié)點編號為1到53,1到53的排列就是系統(tǒng)的結(jié)構(gòu),結(jié)構(gòu)的變化規(guī)則是:從1到53的排列中隨機選取一個子排列,將其反轉(zhuǎn)或?qū)⑵湟浦亮硪惶?能量E自然是路徑總長度。具體算法描述如下：步1： 設定初始溫度T，給定一個初始的巡視路線。步2 ：步3 --8循環(huán)K次步3：步 4--7循環(huán)M次步4：隨機選擇路線的一段步5：隨機確定將選定的路線反轉(zhuǎn)或移動，即兩種調(diào)整方式：反轉(zhuǎn)、移動。步6：計算代價D，即調(diào)整前后的總路程的長度之差步7：按照如下規(guī)則確定是否做調(diào)整：如果D0,則按照EXP(-D/T)的概率進行調(diào)整步8:T*0.9-->T,降溫
上傳時間： 2015-03-14
上傳用戶：himbly
本程序是彈球游戲?qū)嶒灣绦?故而，其各要求都應符合常見彈球游戲規(guī)則。在實驗中，我們設計了兩個球以增強其趣味性。玩家控制的藍球在運動中有能量損失，碰壁后，亦有能量損失，且各壁能量損失不同，故表現(xiàn)為小球運動速度的變化。運行中，可用鼠標來查看得分情況及當時速度。兩球相撞，小球游戲結(jié)束，顯示成績。為使玩者能清楚各類消息，狀態(tài)欄中還有操作顯示和時間顯示。另外，鼠標的變化也增強了游戲的趣味性。
上傳時間： 2014-01-05
上傳用戶：com1com2
Hopfield 網(wǎng)——擅長于聯(lián)想記憶與解迷路 實現(xiàn)H網(wǎng)聯(lián)想記憶的關(guān)鍵，是使被記憶的模式樣本對應網(wǎng)絡能量函數(shù)的極小值。 設有M個N維記憶模式，通過對網(wǎng)絡N個神經(jīng)元之間連接權(quán) 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(wǎng)絡狀態(tài)正好是網(wǎng)絡能量函數(shù)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(wǎng)的算法 1）學習模式——決定權(quán)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(jīng)元j、i間的權(quán)重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數(shù) ap(s)：第p個模式的第s個要素（-1或1） wij：第j個神經(jīng)元與第i個神經(jīng)元間的權(quán)重 i = j時，wij=0，即各神經(jīng)元的輸出不直接返回自身。 2)想起模式： 神經(jīng)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(jīng)元的初始值，其中，0意味t=0。 反復部分：對各神經(jīng)元，計算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經(jīng)元總數(shù) f（）--Sgn（） θi—神經(jīng)元i發(fā)火閾值 反復進行，直到各個神經(jīng)元的輸出不再變化。
上傳時間： 2015-03-16
上傳用戶：JasonC
這是再rad hat9.0下對NS-2.26中的aodv路由協(xié)議的優(yōu)化，尤其是在能量有很大的進步，要運行的話，需要先安裝NS,然后替換AODV模塊
上傳時間： 2015-03-27
上傳用戶：王慶才
用神經(jīng)元模擬磁旋，用連接權(quán)模擬磁場中磁旋的相互作用，用各神經(jīng)元的激活、抑制這兩種狀態(tài)，模擬磁旋的上下兩個方向。 構(gòu)成一個具有記憶功能的NN，并用計算能量函數(shù)，來評價和指導整個網(wǎng)絡的記憶功能。
標簽： 模擬
上傳時間： 2015-04-22
上傳用戶：戀天使569
接法又稱周期圖法，它是把隨機序列x(n)的N個觀測數(shù)據(jù)視為一能量有限的序列，直接計算x(n)的離散傅立葉變換，得X(k)，然后再取其幅值的平方，并除以N，作為序列x(n)真實功率譜的估計。
標簽： 周期
上傳時間： 2015-05-01
上傳用戶：zycidjl
模式識別中，以小波分析為基礎的信號能量特征提取方法，matlab源代碼
標簽： 模式識別
上傳時間： 2013-12-26
上傳用戶：541657925
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
