求標準偏差 > 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
標簽： gt myfunction function numel
上傳時間： 2016-06-28
上傳用戶：change0329
求標準偏差 > 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
標簽： gt myfunction function numel
上傳時間： 2014-09-03
上傳用戶：jjj0202
【二項式係數 運算】Dev-C++ 學習，運用Dynamic Programming 動態規劃計算
標簽： Dev-C
上傳時間： 2016-09-19
上傳用戶：冇尾飛鉈
LCD 因其輕薄短小,低功耗,無輻射,平面直角顯示,以及影像穩定等特點,當今應用非常廣泛。CPLD(復雜可編程邏輯器件) 是一種具有豐富可編程功能引腳的可編程邏輯器件,不僅可實現常規的邏輯器件功能,還可以實現復雜而獨特的時序邏輯功能。并且具有ISP (在線可編\\r\\n程) [1 ] 功能,便于進行系統設計和現場對系統進行功能修改、調試、升級。通常CPLD 芯片都有著上萬次的重寫次數,即用CPLD[ 2 ] 進行硬件設計,就像軟件設計一樣靈活、方便。而現今LCD的控制大都采用
上傳時間： 2013-08-16
上傳用戶：zhliu007
15.2 已經加入了有關貫孔及銲點的Z軸延遲計算功能. 先開啟 Setup - Constraints - Electrical constraint sets 下的 DRC 選項. 點選 Electrical Constraints dialog box 下 Options 頁面 勾選 Z-Axis delay欄.
上傳時間： 2013-10-08
上傳用戶：王慶才
許多電信和計算應用都需要一個能夠從非常低輸入電壓獲得工作電源的高效率降壓型 DC/DC 轉換器。高輸出功率同步控制器 LT3740 就是這些應用的理想選擇，該器件能把 2.2V 至 22V 的輸入電源轉換為低至 0.8V 的輸出，並提供 2A 至 20A 的負載電流。其應用包括分布式電源繫統、負載點調節和邏輯電源轉換。
上傳時間： 2013-12-30
上傳用戶：arnold
15.2 已經加入了有關貫孔及銲點的Z軸延遲計算功能. 先開啟 Setup - Constraints - Electrical constraint sets 下的 DRC 選項. 點選 Electrical Constraints dialog box 下 Options 頁面 勾選 Z-Axis delay欄.
上傳時間： 2013-11-12
上傳用戶：Late_Li
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
最小平方近似法 (least-squares approximation) 是用來求出一組離散 (discrete) 數據點的近似函數 (approximating function)，作實驗所得的數據亦常使用最小平方近似法來達成曲線密合 (curve fitting)。以下所介紹的最小平方近似法是使用多項式作為近似函數，除了多項式之外，指數、對數方程式亦可作為近似函數。關於最小平方近似法的計算原理，請參閱市面上的數值分析書籍
標簽： least-squares approximation approximating discrete
上傳時間： 2015-06-21
上傳用戶：SimonQQ
數值分析中的歐拉算法 本文建立在數值分析的理論基礎上，能夠在Matlab環境中運行，給出了理論分析、程序清單以及計算結果。更重要的是，還有詳細的對算法的框圖說明。首先運用Romberg積分方法對給出定積分進行積分，然後對得到的結果用插值方法，分別求出Lagrange插值多項式和Newton插值多項式，再運用最小二乘法的思想求出擬合多項式，最後對這些不同類型多項式進行比較，找出它們各自的優劣。
上傳時間： 2013-12-18
上傳用戶：yoleeson
