<bdo id="ukscc"></bdo>
神經網絡樓層桿件識別程序，采用的是自適應學習速率的BP算法
上傳時間： 2013-12-09
上傳用戶：李夢晗
將魔王的語言抽象為人類的語言：魔王語言由以下兩種規則由人的語言逐步抽象上去的：α-〉β1β2β3…βm ；θδ1δ2…-〉θδnθδn-1…θδ1 設大寫字母表示魔王的語言，小寫字母表示人的語言B-〉tAdA，A-〉sae，eg：B(ehnxgz)B解釋為tsaedsaeezegexenehetsaedsae對應的話是：“天上一只鵝地上一只鵝鵝追鵝趕鵝下鵝蛋鵝恨鵝天上一只鵝地上一只鵝”。(t-天d-地s-上a-一只e-鵝z-追g-趕x-下n-蛋h-恨)
上傳時間： 2013-12-19
上傳用戶：aix008
本代碼為編碼開關代碼，編碼開關也就是數字音響中的 360度旋轉的數字音量以及顯示器上用的（單鍵飛梭開 關）等類似鼠標滾輪的手動計數輸入設備。 我使用的編碼開關為5個引腳的，其中2個引腳為按下 轉輪開關（也就相當于鼠標中鍵）。另外3個引腳用來 檢測旋轉方向以及旋轉步數的檢測端。引腳分別為a,b,c b接地a，c分別接到P2.0和P2.1口并分別接兩個10K上拉 電阻，并且a，c需要分別對地接一個104的電容，否則 因為編碼開關的觸點抖動會引起輕微誤動作。本程序不 使用定時器，不占用中斷，不使用延時代碼，并對每個 細分步數進行判斷，避免一切誤動作，性能超級穩定。 我使用的編碼器是APLS的EC11B可以參照附件的時序圖 編碼器控制流水燈最能說明問題，下面是以一段流水 燈來演示。
上傳時間： 2017-07-03
上傳用戶：gaojiao1999
【問題描述】 在一個N*N的點陣中，如N=4,你現在站在（1，1），出口在（4，4）。你可以通過上、下、左、右四種移動方法，在迷宮內行走，但是同一個位置不可以訪問兩次，亦不可以越界。表格最上面的一行加黑數字A[1..4]分別表示迷宮第I列中需要訪問并僅可以訪問的格子數。右邊一行加下劃線數字B[1..4]則表示迷宮第I行需要訪問并僅可以訪問的格子數。如圖中帶括號紅色數字就是一條符合條件的路線。 給定N，A[1..N] B[1..N]。輸出一條符合條件的路線，若無解，輸出NO ANSWER。（使用U，D，L，R分別表示上、下、左、右。） 2 2 1 2 （4，4） 1 （2，3） （3，3） （4，3） 3 （1，2） （2，2） 2 （1，1） 1 【輸入格式】 第一行是數m (n < 6 )。第二行有n個數，表示a[1]..a[n]。第三行有n個數，表示b[1]..b[n]。 【輸出格式】 僅有一行。若有解則輸出一條可行路線，否則輸出“NO ANSWER”。
標簽： 點陣
上傳時間： 2014-06-21
上傳用戶：llandlu
自適應軟頻率復用技術在長期演進中上行上的應用，主要是如何解決小區邊緣干擾問題。對小區邊緣干擾提出了自適應軟頻率復用算法
標簽： Interference Inter-cell Frequency Adaptive Reuse Soft for
上傳時間： 2016-05-09
上傳用戶：cococo
#include "iostream" using namespace std; class Matrix { private: double** A; //矩陣A double *b; //向量b public: int size; Matrix(int ); ~Matrix(); friend double* Dooli(Matrix& ); void Input(); void Disp(); }; Matrix::Matrix(int x) { size=x; //為向量b分配空間并初始化為0 b=new double [x]; for(int j=0;j<x;j++) b[j]=0; //為向量A分配空間并初始化為0 A=new double* [x]; for(int i=0;i<x;i++) A[i]=new double [x]; for(int m=0;m<x;m++) for(int n=0;n<x;n++) A[m][n]=0; } Matrix::~Matrix() { cout<<"正在析構中~~~~"<<endl; delete b; for(int i=0;i<size;i++) delete A[i]; delete A; } void Matrix::Disp() { for(int i=0;i<size;i++) { for(int j=0;j<size;j++) cout<<A[i][j]<<" "; cout<<endl; } } void Matrix::Input() { cout<<"請輸入A:"<<endl; for(int i=0;i<size;i++) for(int j=0;j<size;j++){ cout<<"第"<<i+1<<"行"<<"第"<<j+1<<"列:"<<endl; cin>>A[i][j]; } cout<<"請輸入b:"<<endl; for(int j=0;j<size;j++){ cout<<"第"<<j+1<<"個:"<<endl; cin>>b[j]; } } double* Dooli(Matrix& A) { double *Xn=new double [A.size]; Matrix L(A.size),U(A.size); //分別求得U，L的第一行與第一列 for(int i=0;i<A.size;i++) U.A[0][i]=A.A[0][i]; for(int j=1;j<A.size;j++) L.A[j][0]=A.A[j][0]/U.A[0][0]; //分別求得U，L的第r行，第r列 double temp1=0,temp2=0; for(int r=1;r<A.size;r++){ //U for(int i=r;i<A.size;i++){ for(int k=0;k<r-1;k++) temp1=temp1+L.A[r][k]*U.A[k][i]; U.A[r][i]=A.A[r][i]-temp1; } //L for(int i=r+1;i<A.size;i++){ for(int k=0;k<r-1;k++) temp2=temp2+L.A[i][k]*U.A[k][r]; L.A[i][r]=(A.A[i][r]-temp2)/U.A[r][r]; } } cout<<"計算U得:"<<endl; U.Disp(); cout<<"計算L的:"<<endl; L.Disp(); double *Y=new double [A.size]; Y[0]=A.b[0]; for(int i=1;i<A.size;i++ ){ double temp3=0; for(int k=0;k<i-1;k++) temp3=temp3+L.A[i][k]*Y[k]; Y[i]=A.b[i]-temp3; } Xn[A.size-1]=Y[A.size-1]/U.A[A.size-1][A.size-1]; for(int i=A.size-1;i>=0;i--){ double temp4=0; for(int k=i+1;k<A.size;k++) temp4=temp4+U.A[i][k]*Xn[k]; Xn[i]=(Y[i]-temp4)/U.A[i][i]; } return Xn; } int main() { Matrix B(4); B.Input(); double *X; X=Dooli(B); cout<<"~~~~解得:"<<endl; for(int i=0;i<B.size;i++) cout<<"X["<<i<<"]:"<<X[i]<<" "; cout<<endl<<"呵呵呵呵呵"; return 0; }
標簽： 道理特分解法
上傳時間： 2018-05-20
上傳用戶：Aa123456789
木書以神經網絡結構為主線，以學習算法為副線，詳細介紹了神經網絡結構和算法步驟，并給出實例和練習，目的是使讀者易看懂，能動手，會應用。主要內容包括：人工神經網絡簡介、單層前向網絡及LMS學習算法、多層前向網絡及BP學習算法、支持向量機及其學習算法、 Hopfield神經網絡與聯想記憶、隨機神經網絡及模擬退火算法、競爭神經網絡和協同神經網絡。每章均給出了基于 MATLAB的仿真實例以及練習。
標簽： 人工神經網絡
上傳時間： 2022-07-12
上傳用戶：
自適應信號處理的理論和技術已經成為人們常用濾波和去噪技術。文中講述了自適應濾波的原理以及LMS算法和RLS算法兩種基本自適應算法的原理及步驟。并用MATLAB分別對兩種算法進行了自適應濾波仿真和實現。
上傳時間： 2013-11-26
上傳用戶：1051290259
一個簡單好用的B+樹算法實現
上傳時間： 2015-01-04
上傳用戶：縹緲
一個用Basic實現的B-Tree算法
上傳時間： 2013-12-30
上傳用戶：ccclll
