<strike id="yo2gw"></strike>
在本文中，我們首先實作了 一個針對壓縮視訊（像是 H.264/AVC）之畫面解析度 改善 的方法。接著，我們分析這個方法的模擬結果。
標簽：
上傳時間： 2013-12-28
上傳用戶：dapangxie
一份射頻PCB設計的經驗總結。涉及到手機，GPS，等高頻電路的PCB設計方法。
標簽： PCB
上傳時間： 2017-07-21
上傳用戶：sssl
matlab實現BP神經網絡，源程序，受不了了，干嘛要20字呢
標簽： matlab BP神經網絡
上傳時間： 2017-07-26
上傳用戶：watch100
Snowwhite非常害怕的在森林里徘徊，尋找出去的路。野獸在她身旁吼叫，卻沒有傷害她。她跑呀跑，翻過了七座山，跨過了七座橋，天黑時，她終于來到一間小房子前。于是她來到了七個小矮人的家里，他們聽了Snowwhite的故事后非常同情她，說：“如果你愿意為我們收拾房子、做飯、洗衣服、紡線、縫補衣裳，你可以留在這兒，我們會盡心照料你的。”Snowwhite很樂意地說：“我非常愿意。”這樣，七個小矮人每天到山里尋找金子和銀子，Snowwhite則呆在家里干些家務活。
標簽： Snowwhite
上傳時間： 2013-12-29
上傳用戶：dianxin61
基本輸出入，與檔案處理。在Java程式的JFrame視窗使用AWT的List元件和File物件建立瀏覽檔案和資料夾。
上傳時間： 2017-09-04
上傳用戶：225588
樂透選號小程式，分為人工選號以及電腦選號，可自選所要的組數，並加入氣泡排序以及不重複出現的功能，最後可得到所中的號碼，有需要作相關的人可以下載並照自已的需求修改
標簽： 程式
上傳時間： 2013-12-23
上傳用戶：z754970244
Boost C++ Libraries Free peer-reviewed portable C++ source libraries Boost C++ Libraries 基本上是一個免費的 C++ 的跨平臺函式庫集合，基本上應該可以把它視為 C++ STL 的功能再延伸；他最大的特色在於他是一個經過「同行評審」（peer review，可參考維基百科）、開放原始碼的函式庫，而且有許多 Boost 的函式庫是由 C++ 標準委員會的人開發的，同時部分函式庫的功能也已經成為 C++ TR1 (Technical Report 1，參考維基百科)、TR2、或是 C++ 0x 的標準了。 它的官方網站是：http://www.boost.org/，包含了 104 個不同的 library；由於他提供的函式庫非常地多，的內容也非常地多元，根據官方的分類，大致上可以分為下面這二十類： 字串和文字處理（String and text processing） 容器（Containers） Iterators 演算法（Algorithms） Function objects and higher-order programming 泛型（Generic Programming） Template Metaprogramming Preprocessor Metaprogramming Concurrent Programming 數學與數字（Math and numerics） 正確性與測試（Correctness and testing） 資料結構（Data structures） 影像處理（Image processing） 輸入、輸出（Input/Output） Inter-language support 記憶體（Memory） 語法分析（Parsing） 程式介面（Programming Interfaces） 其他雜項 Broken compiler workarounds 其中每一個分類，又都包含了一個或多個函式庫，可以說是功能相當豐富。
標簽： Boost C++ Libraries
上傳時間： 2015-05-15
上傳用戶：fangfeng
elf 文件格式分析 各種講解 elf 文件格式一上來就是各種數據類型，看了半天卻不知道這些數據類型是干啥的，所以咱就先找個例子直接上手，這樣 對 elf 文件格式有個具體而生動的了解。 然后再去看那些手冊，就完全不懼了～。 我們使用一個匯編程序 max.s 并對其進行編譯鏈接產生的兩個 elf 文件來對比分析 elf 文件。
標簽： ELF文件查看
上傳時間： 2015-06-20
上傳用戶：yws44
感生電動勢、動生電動勢 物理電磁學相關整理
標簽： 感生電動勢、動生電動勢
上傳時間： 2016-01-04
上傳用戶：1032298562
表面粗糙度是機械加工工藝中主要的技術參數， 對零件質量和產品性能有著極為重要的影響。 以加工表面粗糙度與切削用量三要素的關系為對象， 采用正交試驗方法， 利用立方氮化硼刀具對冷作模具鋼 Cr12MoV 進行硬態干式車削試驗，測量得到選定參數條件下的加工表面粗糙度值，并應用人工智能神經網絡方 法建立了加工表面粗糙度預測模型。結果表明，該預測模型具有很好的預測精度， 其最大誤差不超過 5% 。模 型可以對不同切削速度、 進給量和切削深度參數組合下加工后的表面粗糙度進行預測，對干式硬車條件下的切 削用量選擇和零件表面質量的控制具有重要指導意義。
標簽： 基于神經網絡的車削加工表面粗糙度智能預測
上傳時間： 2016-03-20
上傳用戶：happycats
蟲蟲下載站版權所有 京ICP備2021023401號-1
