<tfoot id="dktxj"><label id="dktxj"></label></tfoot>
程序存儲問題:設有n 個程序{1,2,…, n }要存放在長度為L的磁帶上。程序i存放在磁帶上的長度是Li ，1≤i≤n 程序存儲問題要求確定這n 個程序在磁帶上的一個存儲方案，使得能夠在磁帶上存儲盡可能多的程序。 編程任務： 對于給定的n個程序存放在磁帶上的長度，編程計算磁帶上最多可以存儲的程序數。 數據輸入：由文件input.txt給出輸入數據。第一行是正整數n，表示文件個數。接下來的1 行中，有n 個正整數，表示程序存放在磁帶上的長度。 結果輸出: input.txt output.txt 6 50 5 2 3 13 8 80 20
標簽： 程序 磁帶 長度 程序存儲
上傳時間： 2013-12-20
上傳用戶：dongqiangqiang
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。
標簽： Hopfield 聯想
上傳時間： 2015-03-16
上傳用戶：JasonC
動態聚類k-means演算 將輸入在程式中的數據資料 給予適當的分群
標簽： k-means 程式 分
上傳用戶：離殤
日立SH-2 CPU核的VERLOG源碼，可在ISE6上綜合，有說明文檔
標簽： VERLOG CPU SH 日立
上傳時間： 2015-03-17
上傳用戶：開懷常笑
K-均值聚類算法的編程實現。包括逐點聚類和批處理聚類。K－均值聚類的的時間復雜度是n*k*m，其中n為樣本數，k為類別數，m為樣本維數。這個時間復雜度是相當客觀的。因為如果用每秒10億次的計算機對50個樣本采用窮舉法分兩類，尋找最優，列舉一遍約66.7天，分成3類，則要約3500萬年。針對算法局部最優的缺點，本人正在編制模擬退火程序進行改進。希望及早奉給大家，傾聽高手教誨。
標簽： 均值聚類 聚類 算法 批處理
上傳時間： 2015-03-18
上傳用戶：yuanyuan123
一個用于數學函數值計算的c函數,求任意數學函數f(x)和f(x,y)的值
標簽： 數學函數 c函數 計算
上傳用戶：zhangyigenius
Introduction to the Transport Device Interface-f
標簽： Introduction Interface-f Transport Device
上傳用戶：gundamwzc
由于K－均值聚類算法局部最優的特點，而模擬退火算法理論上具有全局最優的特點。因此，用模擬退火算法對聚類進行了改進。20組聚類仿真表明，平均每次對K結果值改進8次左右，效果顯著。下一步工作：實際上在高溫區隨機生成鄰域是個組合爆炸問題（見本人上載軟件‘k－均值聚類算法’所述），高溫跳出局部解的概率幾乎為0，因此正考慮采用凸包約束進行模擬聚類，相關工作正在進行。很快將奉獻給各位朋友。
標簽： 均值聚類 算法 局部
上傳用戶：hullow
k均值聚類算法源碼，比較經典，無解壓密碼
標簽： 均值聚類 算法 源碼
上傳時間： 2014-07-09
上傳用戶：lnnn30
這是一個轉為i/o卡開發得驅動程序，配接得是俄華通得組態軟件
標簽： 驅動程序
上傳時間： 2013-12-30
上傳用戶：zhuimenghuadie
蟲蟲下載站版權所有 京ICP備2021023401號-1
