~{JGR 8vQ IzWwR5SC5D2V?bD#DbO5M3~} ~{3v?b~} ~{Hk?b~} ~{2iQ/5H9&D\~} ~{?IRTWw@)3d~} ~{TZ~}JDK1.4.2~{OBM(9}~}
上傳時間： 2015-02-22
上傳用戶：ommshaggar
b to b 模式 電子商務(wù)系統(tǒng) ，c# 開發(fā) , B/S結(jié)構(gòu)
標(biāo)簽： to 模式 電子商務(wù)系統(tǒng)
上傳時間： 2014-01-20
上傳用戶：hanli8870
樣板 B 樹 ( B - tree ) 規(guī)則 : (1) 每個節(jié)點(diǎn)內(nèi)元素個數(shù)在 [MIN,2*MIN] 之間, 但根節(jié)點(diǎn)元素個數(shù)為 [1,2*MIN] (2) 節(jié)點(diǎn)內(nèi)元素由小排到大, 元素不重複 (3) 每個節(jié)點(diǎn)內(nèi)的指標(biāo)個數(shù)為元素個數(shù)加一 (4) 第 i 個指標(biāo)所指向的子節(jié)點(diǎn)內(nèi)的所有元素值皆小於父節(jié)點(diǎn)的第 i 個元素 (5) B 樹內(nèi)的所有末端節(jié)點(diǎn)深度一樣
上傳時間： 2017-05-14
上傳用戶：日光微瀾
歐幾里德算法：輾轉(zhuǎn)求余 原理: gcd(a,b)=gcd(b,a mod b) 當(dāng)b為0時,兩數(shù)的最大公約數(shù)即為a getchar()會接受前一個scanf的回車符
標(biāo)簽： gcd getchar scanf mod
上傳時間： 2014-01-10
上傳用戶：2467478207
數(shù)據(jù)結(jié)構(gòu)課程設(shè)計 數(shù)據(jù)結(jié)構(gòu)B+樹 B+ tree Library
標(biāo)簽： Library tree 數(shù)據(jù)結(jié)構(gòu) 樹
上傳時間： 2013-12-31
上傳用戶：semi1981
* 高斯列主元素消去法求解矩陣方程AX=B,其中A是N*N的矩陣,B是N*M矩陣 * 輸入: n----方陣A的行數(shù) * a----矩陣A * m----矩陣B的列數(shù) * b----矩陣B * 輸出: det----矩陣A的行列式值 * a----A消元后的上三角矩陣 * b----矩陣方程的解X
上傳時間： 2015-07-26
上傳用戶：xauthu
(1) 、用下述兩條具體規(guī)則和規(guī)則形式實現(xiàn).設(shè)大寫字母表示魔王語言的詞匯 小寫字母表示人的語言詞匯 希臘字母表示可以用大寫字母或小寫字母代換的變量.魔王語言可含人的詞匯. (2) 、B→tAdA A→sae (3) 、將魔王語言B(ehnxgz)B解釋成人的語言.每個字母對應(yīng)下列的語言.
上傳時間： 2013-12-30
上傳用戶：ayfeixiao
1.有三根桿子A,B,C。A桿上有若干碟子 2.每次移動一塊碟子,小的只能疊在大的上面 3.把所有碟子從A桿全部移到C桿上 經(jīng)過研究發(fā)現(xiàn)，漢諾塔的破解很簡單，就是按照移動規(guī)則向一個方向移動金片： 如3階漢諾塔的移動：A→C,A→B,C→B,A→C,B→A,B→C,A→C 此外，漢諾塔問題也是程序設(shè)計中的經(jīng)典遞歸問題
標(biāo)簽： 移動 發(fā)現(xiàn)
上傳時間： 2016-07-25
上傳用戶：gxrui1991
1. 下列說法正確的是 （ ） A. Java語言不區(qū)分大小寫 B. Java程序以類為基本單位 C. JVM為Java虛擬機(jī)JVM的英文縮寫 D. 運(yùn)行Java程序需要先安裝JDK 2. 下列說法中錯誤的是 ( ) A. Java語言是編譯執(zhí)行的 B. Java中使用了多進(jìn)程技術(shù) C. Java的單行注視以//開頭 D. Java語言具有很高的安全性 3. 下面不屬于Java語言特點(diǎn)的一項是( ) A. 安全性 B. 分布式 C. 移植性 D. 編譯執(zhí)行 4. 下列語句中，正確的項是 ( ) A . int $e,a,b=10 B. char c,d=’a’ C. float e=0.0d D. double c=0.0f
上傳時間： 2017-01-04
上傳用戶：netwolf
本人編寫的incremental 隨機(jī)神經(jīng)元網(wǎng)絡(luò)算法，該算法最大的特點(diǎn)是可以保證approximation特性，而且速度快效果不錯，可以作為學(xué)術(shù)上的比較和分析。目前只適合benchmark的regression問題。 具體效果可參考 G.-B. Huang, L. Chen and C.-K. Siew, “Universal Approximation Using Incremental Constructive Feedforward Networks with Random Hidden Nodes”, IEEE Transactions on Neural Networks, vol. 17, no. 4, pp. 879-892, 2006.
標(biāo)簽： incremental 編寫 神經(jīng)元網(wǎng)絡(luò) 算法
上傳時間： 2016-09-18
上傳用戶：litianchu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
<noscript id="uomic"></noscript>