多個程序，C++編寫的。自己在做編譯課設時搜集參考用的，呵呵，都放上來了，有各種語法寫的，LL(1),LR的，遞歸下降的，還有語義分析部分，有四元式，逆波蘭式等等，而且每個都能調試運行。（不好的，我可不拿出來現眼）……
標簽： 程序
上傳時間： 2017-09-11
上傳用戶：wuyuying
設計題三：條件語句的語法分析及語義分析程序設計。 1．目的 通過設計、編制、調試一個語法及語義分析程序，加深對語法及語義分析原理的理解。 2．設計內容及要求 IF 〈布爾表達式〉 THEN 〈賦值語句〉 ELSE 〈賦值語句〉 其中 （1）可以選擇遞歸下降法、LL（1）、算符優先分析法、LR法完成以上任務，中間代碼選用四元式。 （2）如1題寫出符合分析方法要求的文法，給出分析方法的思想，完成分析程序設計。 （3）編制好分析程序后，設計若干用例，上機測試并通過所設計的分析程序。
上傳時間： 2013-12-24
上傳用戶：頂得柱
% 生成訓練樣本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %輸入矢量的取值范圍矩陣 pr(1:9,2)=1; bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神經網絡， 12個隱層神經元，4個輸出神經元 %tranferFcn屬性 'logsig' 隱層采用Sigmoid傳輸函數 %tranferFcn屬性 'logsig' 輸出層采用Sigmoid傳輸函數 %trainFcn屬性 'traingdx' 自適應調整學習速率附加動量因子梯度下降反向傳播算法訓練函數 %learn屬性 'learngdm' 附加動量因子的梯度下降學習函數 net.trainParam.epochs=1000;%允許最大訓練步數2000步 net.trainParam.goal=0.001; %訓練目標最小誤差0.001 net.trainParam.show=10; %每間隔100步顯示一次訓練結果 net.trainParam.lr=0.05; %學習速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
上傳時間： 2016-05-28
上傳用戶：shanqiu
LR（0）文法的判定（☆☆☆） 要求：輸入文法，輸出判斷該文法是否是LR（0）的。
上傳時間： 2017-05-24
上傳用戶：838798360
Reconstruction- and example-based super-resolution (SR) methods are promising for restoring a high-resolution (HR) image from low-resolution (LR) image(s). Under large magnification, reconstruction-based methods usually fail to hallucinate visual details while example-based methods sometimes introduce unexpected details. Given a generic LR image, to reconstruct a photo-realistic SR image and to suppress artifacts in the reconstructed SR image, we introduce a multi-scale dictionary to a novel SR method that simultaneously integrates local and non-local priors. The local prior suppresses artifacts by using steering kernel regression to predict the target pixel from a small local area. The non-local prior enriches visual details by taking a weighted average of a large neighborhood as an estimate of the target pixel. Essentially, these two priors are complementary to each other. Experimental results demonstrate that the proposed method can produce high quality SR recovery both quantitatively and perceptually.
標簽： Super-resolution Multi-scale Dictionary Single Image for
上傳時間： 2019-03-28
上傳用戶：fullout
設置易福門傳感器軟件，IFM LR Device 參數設定軟件。
標簽： 傳感器 軟件設置易福門傳感器軟件
上傳時間： 2021-01-10
上傳用戶：
PNI的地磁傳感器技術提供高分辨率，低功耗，大信號噪聲抗擾度，大動態范圍和高采樣率。 測量穩定.RM3100的MagI2C ASIC具有連續測量模式和單次測量輪詢，軟件可配置的分辨率和采樣率，以及操作一個，兩個或三個PNI傳感器線圈的能力。 它集成了I2C和SPI接口，可實現系統設計靈活性。當實施RM3100或RM2100地磁傳感器時，每個傳感器線圈用作簡單LR弛豫振蕩電路中的電感元件，其中線圈的有效電感與平行于傳感器軸的磁場成比例。 LR電路由MagI2C ASIC驅動，MagI2C的內部時鐘用于測量電路的振蕩頻率，從而測量磁場。
上傳時間： 2022-07-21
上傳用戶：
無線傳感網有TDMA和CSMA兩種基本的MAC協議方案。欣仰邦LoRa技術實現TDMA算法組網系統，LoRa-TDMA的優點是：低成本實現小規模組網。基于TDMA的MAC協議實現信道分配的機制簡單成熟，它沒有CSMA競爭機制的碰撞和重傳問題，而是為無線傳感器網絡中每個節點分配獨立的時隙用于數據發送或接收TDMA信號的前導字和CZT（chirp z-transform）算法的高頻率分辨率特性，設計了適于低信噪比信號的寬范圍載波同步改進算法。數據傳輸時不需要過多的控制信息，且節點在空閑時能夠及時進入睡眠狀態.因而在節點無移動且網絡部署情況已知的場景，采用TDMWA方式進行通信，可避免信道沖突以及沖突引起的丟包和能量損耗；TDMA信號的前導字進行數據輔助（DA）型載波同步，有效地縮小了低信噪比信號的頻偏范圍；再利用CZT算法進一步縮小頻偏范圍，最后利用非數據輔助型（NDA）自相關函數法得到精確的載波頻偏。改進算法的計算復雜度略高于寬范圍自相關函數法，而遠低于寬范圍LR算法。通過仿真比較，改進算法對低信噪比（SNR）環境（3-6dB）中的信號具有良好且穩定的估計性能。保證數據傳輸的實時性和可靠性；令節點在不工作期間進入睡眠狀態，以保存能量.這些特點很適合無線傳感網中的節能要求.
上傳時間： 2022-07-23
上傳用戶：d1997wayne
