可以識別字符串是否符合以下文法： （1）E->TG （2）G->+TG|—TG （3）G->ε （4）T->FS （5）S->*FS|/FS （6）S->ε （7）F->(E) （8）F->i
上傳時間： 2013-12-03
上傳用戶：songrui
工廠倉庫管理系統，成功案例 採用delphi+sqlserver開發
標簽： 系統
上傳時間： 2016-11-01
上傳用戶：Shaikh
Z是模型一單位雨衰值,也是不考慮衰減因子的單位雨衰值 F是First,即第一模型的情況 F16 F165 F17分別是16GHz 16.5GHz 17GHz的情況,是模型一大氣層下總雨衰值 F18km是模型一下18km實例的雨衰值 S是Second,即第二模型的情況 S16 S165 S17分別是16GHz 16.5GHz 17GHz的情況,是模型二大氣層下總雨衰值 S16m S165m S17m分別是16GHz 16.5GHz 17GHz在模型二下每公里雨衰值 S1618km S16518km S1718km分別是16GHz 16.5GHz 17GHz在模型二下18km實例的雨衰值 T是Third,即第三模型的情況 T16 T165 T17分別是16GHz 16.5GHz 17GHz的情況,是模型三大氣層下總雨衰值 T16m T165m T17m分別是16GHz 16.5GHz 17GHz在模型三下每公里雨衰值 T1618km T16518km T1718km分別是16GHz 16.5GHz 17GHz在模型三下18km實例的雨衰值 zhaosheng是只考慮天線噪聲溫度對雷達最大探測距離的影響 yushuai是綜合考慮天線噪聲溫度和雨衰減對雷達最大探測距離的影響 其中,參數情況在各個程序中都有說明
上傳時間： 2013-12-25
上傳用戶：songrui
給定n個節點xi（i=0,1,...,n-1）上的函數值yi=f[xi]，用拉格朗日插值公式計算指定插值點t處的函數近似值z=f[t]
上傳時間： 2013-12-21
上傳用戶：小眼睛LSL
給定n個節點xi[i=0,1,...,n-1]上的函數值yi=f[xi]及精度要求，用埃特金逐步插值法計算指定插值點t處的函數近似值z=f[t]
上傳時間： 2014-01-14
上傳用戶：偷心的海盜
給定n個節點xi[i=0,1,...,n-1]上的函數值yi=f[xi]及精度要求，用阿克瑪方法計算指定指定子區間上的三次插值多項式與指定插值點t處的函數近似值z=f[t]
上傳時間： 2017-03-10
上傳用戶：aa17807091
Fortran - Tóm tắ t nộ i dung mô n họ c Các khái niệ m và yế u tố trong ngô n ngữ lậ p trình FORTRAN. Các câ u lệ nh củ a ngô n ngữ FORTRAN. Cơ bả n về chư ơ ng chư ơ ng dị ch và mô i trư ờ ng lậ p trình DIGITAL Visual Fortran. Viế t và chạ y các chư ơ ng trình cho các bài toán đ ơ n giả n bằ ng ngô n ngữ FORTRAN.
上傳時間： 2013-12-25
上傳用戶：songrui
metricmatlab ch ¬ ng 4 Ma trË n - c¸ c phÐ p to¸ n vÒ ma trË n. 4.1 Kh¸ i niÖ m: - Trong MATLAB d÷ liÖ u ® Ó ® a vµ o xö lý d íi d¹ ng ma trË n. - Ma trË n A cã n hµ ng, m cét ® î c gä i lµ ma trË n cì n m. § î c ký hiÖ u An m - PhÇ n tö aij cñ a ma trË n An m lµ phÇ n tö n» m ë hµ ng thø i, cét j . - Ma trË n ® ¬ n ( sè ® ¬ n lÎ ) lµ ma trË n 1 hµ ng 1 cét. - Ma trË n hµ ng ( 1 m ) sè liÖ u ® î c bè trÝ trª n mét hµ ng. a11 a12 a13 ... a1m - Ma trË n cét ( n 1) sè liÖ u ® î c bè trÝ trª n 1 cét.
標簽： metricmatlab 203 184 tr
上傳時間： 2017-07-29
上傳用戶：來茴
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
1-1前言一般人所能夠感受到聲音的頻率約介於5H2-20KHz，超音波（Ultrasonic wave）即爲頻率超過20KHz以上的音波或機械振動，因此超音波馬達就是利用超音波的彈性振動頻率所構成的制動力。超音波馬達的內部主要是以壓電陶瓷材料作爲激發源，其成份是由鉛（Pb）、結（Zr）及鈦（Ti）的氧化物皓鈦酸鉛（Lead zirconate titanate，PZT）製成的。將歷電材料上下方各黏接彈性體，如銅或不銹鋼，並施以交流電壓於壓電陶瓷材料作爲驅動源，以激振彈性體，稱此結構爲定子（Stator），將其用彈簧與轉子Rotor）接觸，將所産生摩擦力來驅使轉子轉動，由於壓電材料的驅動能量很大，並足以抗衡轉子與定子間的正向力，雖然伸縮振幅大小僅有數徵米（um）的程度，但因每秒之伸縮達數十萬次，所以相較於同型的電磁式馬達的驅動能量要大的許多。超音波馬達的優點爲：1，轉子慣性小、響應時間短、速度範圍大。2，低轉速可產生高轉矩及高轉換效率。3，不受磁場作用的影響。4，構造簡單，體積大小可控制。5，不須經過齒輸作減速機構，故較爲安靜。實際應用上，超音波馬達具有不同於傳統電磁式馬達的特性，因此在不適合應用傳統馬達的場合，例如：間歇性運動的裝置、空間或形狀受到限制的場所；另外包括一些高磁場的場合，如核磁共振裝置、斷層掃描儀器等。所以未來在自動化設備、視聽音響、照相機及光學儀器等皆可應用超音波馬達來取代。
標簽： 超聲波電機
上傳時間： 2022-06-17
上傳用戶：
