Hopfield 網(wǎng)——擅長(zhǎng)于聯(lián)想記憶與解迷路 實(shí)現(xiàn)H網(wǎng)聯(lián)想記憶的關(guān)鍵，是使被記憶的模式樣本對(duì)應(yīng)網(wǎng)絡(luò)能量函數(shù)的極小值。 設(shè)有M個(gè)N維記憶模式，通過(guò)對(duì)網(wǎng)絡(luò)N個(gè)神經(jīng)元之間連接權(quán) wij 和N個(gè)輸出閾值θj的設(shè)計(jì)，使得: 這M個(gè)記憶模式所對(duì)應(yīng)的網(wǎng)絡(luò)狀態(tài)正好是網(wǎng)絡(luò)能量函數(shù)的M個(gè)極小值。 比較困難，目前還沒(méi)有一個(gè)適應(yīng)任意形式的記憶模式的有效、通用的設(shè)計(jì)方法。 H網(wǎng)的算法 1）學(xué)習(xí)模式——決定權(quán)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(gè)神經(jīng)元j、i間的權(quán)重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數(shù) ap(s)：第p個(gè)模式的第s個(gè)要素（-1或1） wij：第j個(gè)神經(jīng)元與第i個(gè)神經(jīng)元間的權(quán)重 i = j時(shí)，wij=0，即各神經(jīng)元的輸出不直接返回自身。 2)想起模式： 神經(jīng)元輸出值的初始化 想起時(shí)，一般是未知的輸入。設(shè)xi(0)為未知模式的第i個(gè)要素（-1或1） 將xi(0)作為相對(duì)應(yīng)的神經(jīng)元的初始值，其中，0意味t=0。 反復(fù)部分：對(duì)各神經(jīng)元，計(jì)算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經(jīng)元總數(shù) f（）--Sgn（） θi—神經(jīng)元i發(fā)火閾值 反復(fù)進(jìn)行，直到各個(gè)神經(jīng)元的輸出不再變化。
上傳時(shí)間： 2015-03-16
上傳用戶(hù)：JasonC
本程序用資源分配網(wǎng)(Resource_Allocation Network,簡(jiǎn)稱(chēng)RAN)實(shí)現(xiàn)了Hermit多項(xiàng)式在線(xiàn)學(xué)習(xí)問(wèn)題。訓(xùn)練樣本產(chǎn)生方式如下，樣本數(shù)400，每個(gè)樣本輸入Xi在區(qū)間[-4,4]內(nèi)隨機(jī)產(chǎn)生（均勻分布），相關(guān)樣本輸出為F(Xi) = 1.1(1-Xi + Xi2)exp(-Xi2/2),測(cè)試樣本輸入在[-4，+4]內(nèi)以0.04為間隔等距產(chǎn)生，共201個(gè)樣本。訓(xùn)練結(jié)束后的隱節(jié)點(diǎn)為：11個(gè)，訓(xùn)練結(jié)束后的平均誤差可達(dá)：0.03
標(biāo)簽： Resource_Allocation Network Hermit RAN
上傳時(shí)間： 2014-01-14
上傳用戶(hù)：pompey
在0 / 1背包問(wèn)題中，需對(duì)容量為c 的背包進(jìn)行裝載。從n 個(gè)物品中選取裝入背包的物品，每件物品i 的重量為wi ，價(jià)值為pi 。對(duì)于可行的背包裝載，背包中物品的總重量不能超過(guò)背包的容量，最佳裝載是指所裝入的物品價(jià)值最高，即Σpi*xi 取得最大值。
標(biāo)簽： 背包問(wèn)題
上傳時(shí)間： 2015-05-06
上傳用戶(hù)：253189838
Debussy是NOVAS Software, Inc(思源科技)發(fā)展的HDL Debug & Analysis tool，這套軟體主要不是用來(lái)跑模擬或看波形，它最強(qiáng)大的功能是：能夠在HDL source code、schematic diagram、waveform、state bubble diagram之間，即時(shí)做trace，協(xié)助工程師debug。 可能您會(huì)覺(jué)的：只要有simulator如ModelSim就可以做debug了，我何必再學(xué)這套軟體呢? 其實(shí)Debussy v5.0以後的新版本，還提供了nLint -- check coding style & synthesizable，這蠻有用的，可以協(xié)助工程師了解如何寫(xiě)好coding style，並養(yǎng)成習(xí)慣。 下圖所示為整個(gè)Debussy的原理架構(gòu)，可歸納幾個(gè)結(jié)論：
標(biāo)簽： Analysis Software Debussy Debug
上傳時(shí)間： 2014-01-14
上傳用戶(hù)：hustfanenze
用photoimpact來(lái)玩影像魔術(shù)，漸進(jìn)到多層次的影像處理，讓讀者盡情大玩影像魔術(shù)，在不可思議的數(shù)十分鐘，完成你異想天開(kāi)的想像
標(biāo)簽： photoimpact
上傳時(shí)間： 2013-12-09
上傳用戶(hù)：wanghui2438
當(dāng)手指或筆觸摸屏幕時(shí)，平常相互絕緣的兩層導(dǎo)電層就在觸摸 點(diǎn)位置有了一個(gè)接觸，因其中一面導(dǎo)電層接通X軸方向的5V均勻電壓場(chǎng)(圖a) ，使得檢測(cè)層的電壓由零變?yōu)榉橇悖刂破鱾蓽y(cè)到這個(gè)接通后，進(jìn)行A/D轉(zhuǎn)換 ，并將得到的電壓值與5V相比即可得觸摸點(diǎn)的X軸坐標(biāo)為（原點(diǎn)在靠近接地點(diǎn) 的那端）：Xi=Lx＊Vi / V（即分壓原理）同理得出Y軸的坐標(biāo)，這就是所有電 阻技術(shù)觸摸屏共同的最基本原理。
標(biāo)簽： 觸摸屏
上傳時(shí)間： 2013-11-29
上傳用戶(hù)：黑漆漆
提取信號(hào)七個(gè)基于瞬時(shí)信息的特征：零中心歸一化瞬時(shí)幅度功率譜密度的最大值,零中心歸一化瞬時(shí)幅度絕對(duì)值的標(biāo)準(zhǔn)偏差，零中心非弱信號(hào)段瞬時(shí)相位非線(xiàn)性分量絕對(duì)值標(biāo)準(zhǔn)偏差，零中心非弱信號(hào)段瞬時(shí)相位非線(xiàn)性分量標(biāo)準(zhǔn)偏差，零中心歸一化的非弱信號(hào)段瞬時(shí)頻率絕對(duì)值的標(biāo)準(zhǔn)偏差，一個(gè)信號(hào)段的歸一化瞬時(shí)頻率功率譜密度的最大值，根據(jù)信號(hào) QPSK 和16QAM在 XI 軸投影的不同表現(xiàn)，提出特征參數(shù)。
標(biāo)簽： 瞬時(shí) 幅度 零 信號(hào)
上傳時(shí)間： 2015-09-20
上傳用戶(hù)：牧羊人8920
visual basic 6 與sql連接的幾個(gè)例子，from xi an jiaotong university
上傳時(shí)間： 2013-12-07
上傳用戶(hù)：liglechongchong
DIT-FFT算法子程序 FFT長(zhǎng)度為2m，m為正整數(shù)。FFT輸出結(jié)果放在輸入復(fù)數(shù)數(shù)組中。其中xr存放信號(hào)序列實(shí)部，xi存放信號(hào)序列虛部。如果信號(hào)長(zhǎng)度小于N，需要給xr和xi后面補(bǔ)足0，計(jì)算結(jié)果x(k)的實(shí)部和虛部仍然分別存放在數(shù)組xr和xi中。
上傳時(shí)間： 2013-11-25
上傳用戶(hù)：宋桃子
DIT-FFT算法子程序 FFT長(zhǎng)度為2m，m為正整數(shù)。FFT輸出結(jié)果放在輸入復(fù)數(shù)數(shù)組中。其中xr存放信號(hào)序列實(shí)部，xi存放信號(hào)序列虛部。如果信號(hào)長(zhǎng)度小于N，需要給xr和xi后面補(bǔ)足0，計(jì)算結(jié)果x(k)的實(shí)部和虛部仍然分別存放在數(shù)組xr和xi中。
上傳時(shí)間： 2015-10-29
上傳用戶(hù)：zuozuo1215
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
