仿真1：首先把網絡溫度參數T固定在100，按工作規則共進行1000次狀態更新,把這1000次狀態轉移中網絡中的各個狀態出現的次數Si（i＝1，2，…，16）記錄下來 按下式計算各個狀態出現的實際頻率： Pi=Si/∑i=1,NSi=Si/M 同時按照Bo1tzmann分布計算網絡各個狀態出現概率的理論值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：實施降溫方案，重新計算 采用快速降溫方案：T（t）= T0/（1+t） T從1000降到0.01，按工作規則更新網絡狀態 當T=0.01時結束降溫，再讓T保持在0.01進行1000次狀態轉移，比較兩種概率
上傳時間： 2014-01-20
上傳用戶：獨孤求源
Hopfield 網——擅長于聯想記憶與解迷路 實現H網聯想記憶的關鍵，是使被記憶的模式樣本對應網絡能量函數的極小值。 設有M個N維記憶模式，通過對網絡N個神經元之間連接權 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絡狀態正好是網絡能量函數的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網的算法 1）學習模式——決定權重 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： 則任意兩個神經元j、i間的權重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數 ap(s)：第p個模式的第s個要素（-1或1） wij：第j個神經元與第i個神經元間的權重 i = j時，wij=0，即各神經元的輸出不直接返回自身。 2)想起模式： 神經元輸出值的初始化 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)作為相對應的神經元的初始值，其中，0意味t=0。 反復部分：對各神經元，計算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經元總數 f（）--Sgn（） θi—神經元i發火閾值 反復進行，直到各個神經元的輸出不再變化。
上傳時間： 2015-03-16
上傳用戶：JasonC
(1)輸入E條弧<j,k>,建立AOE-網的存儲結構 (2)從源點v出發,令ve[0]=0,按拓撲排序求其余各項頂點的最早發生時間ve[i](1<=i<=n-1).如果得到的拓樸有序序列中頂點個數小于網中頂點數n,則說明網中存在環,不能求關鍵路徑,算法終止 否則執行步驟(3)(3)從匯點v出發,令vl[n-1]=ve[n-1],按逆拓樸排序求其余各頂點的最遲發生時間vl[i](n-2>=i>=2). (4)根據各頂點的ve和vl值,求每條弧s的最早發生時間e(s)和最遲開始時間l(s).若某條弧滿足條件e(s)=l(s),則為關鍵活動.
上傳時間： 2014-11-28
上傳用戶：fredguo
一個開放源代碼的 AT&T 的 Korn Shell 的復制品, 支持大多數 ksh89 的特性。
上傳時間： 2014-01-21
上傳用戶：TRIFCT
Programming Windows程式開發設計指南
標簽： Programming Windows 程式
上傳時間： 2015-03-18
上傳用戶：agent
遞歸算法求統計二叉樹T中葉子結點的數目，數據結構常用算法
上傳時間： 2015-03-19
上傳用戶：silenthink
程序代碼說明 P0401：用Prewitt算子檢測圖像的邊緣 P0402：用不同σ值的LoG算子檢測圖像的邊緣 P0403：用Canny算子檢測圖像的邊緣 P0404：圖像的閾值分割 P0405：用水線閾值法分割圖像 P0406：對矩陣進行四叉樹分解 P0407：將圖像分為文字和非文字的兩個類別 P0408：形態學梯度檢測二值圖像的邊緣 P0409：形態學實例——從PCB圖像中刪除所有電流線，僅保留芯片對象
上傳時間： 2014-01-03
上傳用戶：Late_Li
算符有限分析法 //程序功能： //根據算符優先分析法，將表達式進行語法分析，判斷一個表達式是否正確。 //文法：E→E+E E-E E*E E/E (E) i // 其中i為無符號整數
上傳時間： 2013-12-31
上傳用戶：dragonhaixm
轉置矩陣是10*10矩陣A的轉置矩陣A（t）
上傳時間： 2015-03-19
上傳用戶：txfyddz
介紹了一種在DSP 仿真環境下,采用C 語言對FLA SH 進行在系統編程( ISP)的 方法,同時介紹了TM S320VC5402 的Boo t loader 原理,給出了DSP 的并行FLA SH 引導功能實現 方案,并且給出了一個簡單的測試實例
上傳時間： 2014-10-12
上傳用戶：caixiaoxu26
