G3傳真的技術實現文檔. Digital cellular telecommunications system (Phase 2+) Technical realization of facsimile group 3 transparent. (GSM 03.45 version 8.0.1 Release 1999) ETSI TS 100 931 V8.0.1 (2000-01)
標簽： telecommunications realization Technical cellular
上傳時間： 2014-01-04
上傳用戶：a3318966
Modbus 協議是應用于電子控制器上的一種通用語言。通過此協議，控制器相互之間、控制器經由網絡（例如以太網）和其它設備之間可以通信。它已經成為一通用工業標準。有了它，不同廠商生產的控制設備可以連成工業網絡，進行集中監控。 Modbus TCP協議是Modbus協議的另一版本，它于1999年被開發出來以允許Internet用戶訪問以太網設備。Modbus是OSI模型第7層上的應用層報文傳輸協議，它在連接至不同類型總線或網絡的設備之間提供客戶機/服務器通信。目前，可以通過下列三種方式實現Modbus通信： 由于結合了Modbus協議的簡單性和100 M 以太網的高速度，Modbus TCP/IP展現了卓越的性能，這意味著將這種網絡應用在實時性要求很高的場合，如I/O掃描，是可行的。Modbus通信透明性Modbus協議可以方便地在各種網絡體系結構內進行通信，每種設備（PLC、HMI、控制面板、變頻器、運動控制、I/O設備等）都能使用Modbus協議來啟動遠程操作，同樣的通信能夠在串行鏈路和TCP/IP以太網網絡上進行，而網關則能夠實現各種使用Modbus協議的總線或網絡之間的通信。由此可見，Modbus協議實現了全方位的通信透明。
上傳時間： 2015-12-23
上傳用戶：變形金剛
tcp ip 作者: W.Richard Stevens 國際知名的Unix和網絡專家，《TCP/IP 詳解》（三卷本）作者 W.Richard Stevens（1951-1999），是國際知名的Unix和網絡專家；受人尊敬的計算機圖書作家；同時他還是廣受歡迎的教師和顧問。Stevens先生1951年生于贊比亞，他的家庭曾多次搬遷，最終定居于南非。早年，他就讀于美國弗吉尼亞州的費什本軍事學校，后獲得密歇根大學學士、亞利桑那大學系統工程碩士和博士學位。他曾就職于基特峰國家天文臺，從事計算機編程；還曾在康涅狄格州紐黑文市的健康系統國際公司任主管計算機服務的副總裁。 1.1
上傳時間： 2014-01-21
上傳用戶：685
作者: W.Richard Stevens 國際知名的Unix和網絡專家，《TCP/IP 詳解》（三卷本）作者 W.Richard Stevens（1951-1999），是國際知名的Unix和網絡專家；受人尊敬的計算機圖書作家；同時他還是廣受歡迎的教師和顧問。Stevens先生1951年生于贊比亞，他的家庭曾多次搬遷，最終定居于南非。早年，他就讀于美國弗吉尼亞州的費什本軍事學校，后獲得密歇根大學學士、亞利桑那大學系統工程碩士和博士學位。他曾就職于基特峰國家天文臺，從事計算機編程；還曾在康涅狄格州紐黑文市的健康系統國際公司任主管計算機服務的副總裁。1.2
上傳時間： 2013-12-29
上傳用戶：xinzhch
AES的基本要求是，采用對稱分組密碼體制，密鑰長度的最少支持為128、192、256，分組長度128位，算法應易于各種硬件和軟件實現。1998年NIST開始AES第一輪分析、測試和征集，共產生了15個候選算法。1999年3月完成了第二輪AES2的分析、測試。美國標準與技術研究院（NIST）于2002年5月26日制定了新的高級加密標準（AES）規范。
標簽： AES
上傳時間： 2016-02-29
上傳用戶：han_zh
輕松掌握SQL第四版(PDG) SQL是一種功能強大的語言，熟練掌握并靈活應用SQL是數據庫知識初學者和數據庫應用開發人員的必備基本功。電子工業出版社在1999年翻譯出版本書的第二版、2000年翻譯出版第三版，均取得非常好的效果，成為暢銷書，影響了很多的數據庫相關人員。現在出版的則是最新的第四版，從技術內容、寫作手法等方面，進一步提升了本書的品質。本書從基本概念、數據操作、系統管理和流行產品等4個方面，系統地介紹了結構化查詢語言SQL的各個主要組成部分，較本書的第三版增加了更多的新主題，尤其是增加了MySQL方面的具體實例。書中大量的實例和練習有助于讀者理解和掌握SQL，提高在實際商業環境中應用和開發關系數據庫的能力。本書適用于那些要在較短時間內系統掌握SQL的讀者，同時對數據庫開發人員具有較高的參考價值。
上傳時間： 2013-12-24
上傳用戶：qq1604324866
On-Line MCMC Bayesian Model Selection This demo demonstrates how to use the sequential Monte Carlo algorithm with reversible jump MCMC steps to perform model selection in neural networks. We treat both the model dimension (number of neurons) and model parameters as unknowns. The derivation and details are presented in: Christophe Andrieu, Nando de Freitas and Arnaud Doucet. Sequential Bayesian Estimation and Model Selection Applied to Neural Networks . Technical report CUED/F-INFENG/TR 341, Cambridge University Department of Engineering, June 1999. After downloading the file, type "tar -xf version2.tar" to uncompress it. This creates the directory version2 containing the required m files. Go to this directory, load matlab5 and type "smcdemo1". In the header of the demo file, one can select to monitor the simulation progress (with par.doPlot=1) and modify the simulation parameters.
標簽： demonstrates sequential Selection Bayesian
上傳時間： 2016-04-07
上傳用戶：lindor
This demo nstrates how to use the sequential Monte Carlo algorithm with reversible jump MCMC steps to perform model selection in neural networks. We treat both the model dimension (number of neurons) and model parameters as unknowns. The derivation and details are presented in: Christophe Andrieu, Nando de Freitas and Arnaud Doucet. Sequential Bayesian Estimation and Model Selection Applied to Neural Networks . Technical report CUED/F-INFENG/TR 341, Cambridge University Department of Engineering, June 1999. After downloading the file, type "tar -xf version2.tar" to uncompress it. This creates the directory version2 containing the required m files. Go to this directory, load matlab5 and type "smcdemo1". In the header of the demo file, one can select to monitor the simulation progress (with par.doPlot=1) and modify the simulation parameters.
標簽： sequential reversible algorithm nstrates
上傳時間： 2014-01-18
上傳用戶：康郎
This demo nstrates the use of the reversible jump MCMC algorithm for neural networks. It uses a hierarchical full Bayesian model for neural networks. This model treats the model dimension (number of neurons), model parameters, regularisation parameters and noise parameters as random variables that need to be estimated. The derivations and proof of geometric convergence are presented, in detail, in: Christophe Andrieu, Nando de Freitas and Arnaud Doucet. Robust Full Bayesian Learning for Neural Networks. Technical report CUED/F-INFENG/TR 343, Cambridge University Department of Engineering, May 1999. After downloading the file, type "tar -xf rjMCMC.tar" to uncompress it. This creates the directory rjMCMC containing the required m files. Go to this directory, load matlab5 and type "rjdemo1". In the header of the demo file, one can select to monitor the simulation progress (with par.doPlot=1) and modify the simulation parameters.
標簽： reversible algorithm the nstrates
上傳時間： 2014-01-08
上傳用戶：cuibaigao
Blind Source Separation toolbox, This work has been partly funded by the European project BLIS (IST-1999-14190)
標簽： Separation European toolbox project
上傳時間： 2013-12-19
上傳用戶：koulian
