<dfn id="4momy"></dfn> RS_latch using vhdl, When using static gates as building blocks, the most fundamental latch is the simple SR latch, where S and R stand for set and reset. It can be constructed from a pair of cross-coupled NOR (Not OR) logic gates. The stored bit is present on the output marked Q. Normally, in storage mode, the S and R inputs are both low, and feedback maintains the Q and Q outputs in a constant state, with Q the complement of Q. If S (Set) is pulsed high while R is held low, then the Q output is forced high, and stays high when S returns to low similarly, if R (Reset) is pulsed high while S is held low, then the Q output is forced low, and stays low when R returns to low.
標(biāo)簽： using fundamental the RS_latch
上傳時間： 2017-07-30
上傳用戶：努力努力再努力
遺傳算法的PID調(diào)節(jié) 題目：已知 ，利用GA 尋優(yōu)PID參數(shù)，其中K=1，T=2， ，二進制/實數(shù)編碼，位數(shù)不限，M，Pc，Pm自選，性能指標(biāo) ，Q=100為仿真計算步長。
標(biāo)簽： PID 算法 調(diào)節(jié)
上傳時間： 2014-09-06
上傳用戶：wmwai1314
關(guān)于模擬調(diào)制解調(diào)的源代碼，am,ssb,dsb,pm,fm
標(biāo)簽： 模擬 調(diào)制解調(diào) 源代碼
上傳時間： 2014-01-22
上傳用戶：silenthink
Parallel robotic manipulators can be considered a well-established option for many different applications of manipulation, machining, guiding, testing, control, tracking, haptic force feed-back, etc. A typical parallel robotic manipulator (PM) consists of a mobile platform connected to the base (fixed platform) by at least two kinematic chains called limbs. The mobile platform can achieve between one and three independent translations (T) and one to three independent rotations (R).
標(biāo)簽： well-established manipulators considered different
上傳時間： 2017-09-03
上傳用戶：moerwang
基于matlab，針對調(diào)幅AM、調(diào)頻FM和調(diào)相PM信號，分析在不同的噪聲環(huán)境，包括高斯白噪聲、色噪聲、非高斯噪聲及正弦干擾中，各種信號的二階循環(huán)譜。可根據(jù)需要改變程序中信號或噪聲環(huán)境，分析結(jié)果。
標(biāo)簽： matlab
上傳時間： 2017-09-08
上傳用戶：13517191407
NEcK0系列單片機的一個例程，用來調(diào)試單片機。可以用PM+開發(fā)環(huán)境來實現(xiàn)編譯，反匯編和調(diào)試
上傳時間： 2017-09-09
上傳用戶：gdgzhym
遺傳算法為群體優(yōu)化算法，也就是從多個初始解開始進行優(yōu)化，每個解稱為一個染色體，各染色體之間通過競爭、合作、單獨變異，不斷進化。 優(yōu)化時先要將實際問題轉(zhuǎn)換到遺傳空間，就是把實際問題的解用染色體表示，稱為編碼，反過程為解碼，因為優(yōu)化后要進行評價，所以要返回問題空間，故要進行解碼。SGA采用二進制編碼，染色體就是二進制位串，每一位可稱為一個基因；解碼時應(yīng)注意將染色體解碼到問題可行域內(nèi)。 遺傳算法模擬“適者生存，優(yōu)勝劣汰”的進化機制，染色體適應(yīng)生存環(huán)境的能力用適應(yīng)度函數(shù)衡量。對于優(yōu)化問題，適應(yīng)度函數(shù)由目標(biāo)函數(shù)變換而來。一般遺傳算法求解最大值問題，如果是最小值問題，則通過取倒數(shù)或者加負(fù)號處理。SGA要求適應(yīng)度函數(shù)>0，對于<0的問題，要通過加一個足夠大的正數(shù)來解決。這樣，適應(yīng)度函數(shù)值大的染色體生存能力強。 遺傳算法有三個進化算子：選擇（復(fù)制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個圓盤上，每個染色體占據(jù)一定的扇形區(qū)域，扇形區(qū)域的面積大小和染色體的適應(yīng)度大小成正比。如果輪盤中心裝一個可以轉(zhuǎn)動的指針的話，旋轉(zhuǎn)指針，指針停下來時會指向某一個區(qū)域，則該區(qū)域?qū)?yīng)的染色體被選中。顯然適應(yīng)度高的染色體由于所占的扇形區(qū)域大，因此被選中的幾率高，可能被選中多次，而適應(yīng)度低的可能一次也選不中，從而被淘汰。算法實現(xiàn)時采用隨機數(shù)方法，先將每個染色體的適應(yīng)度除以所有染色體適應(yīng)度的和，再累加，使他們根據(jù)適應(yīng)度的大小分布于0-1之間，適應(yīng)度大的占的區(qū)域大，然后隨機生成一個0-1之間的隨機數(shù)，隨機數(shù)落到哪個區(qū)域，對應(yīng)的染色體就被選中。重復(fù)操作，選出群體規(guī)模規(guī)定數(shù)目的染色體。這個操作就是“優(yōu)勝劣汰，適者生存”，但沒有產(chǎn)生新個體。 交叉模擬有性繁殖，由兩個染色體共同作用產(chǎn)生后代，SGA采用單點交叉。由于SGA為二進制編碼，所以染色體為二進制位串，隨機生成一個小于位串長度的隨機整數(shù)，交換兩個染色體該點后的那部分位串。參與交叉的染色體是輪盤賭選出來的個體，并且還要根據(jù)選擇概率來確定是否進行交叉（生成0-1之間隨機數(shù)，看隨機數(shù)是否小于規(guī)定的交叉概率），否則直接進入變異操作。這個操作是產(chǎn)生新個體的主要方法，不過基因都來自父輩個體。 變異采用位點變異，對于二進制位串，0變?yōu)?，1變?yōu)?就是變異。采用概率確定變異位，對每一位生成一個0-1之間的隨機數(shù)，看是否小于規(guī)定的變異概率，小于的變異，否則保持原狀。這個操作能夠使個體不同于父輩而具有自己獨立的特征基因，主要用于跳出局部極值。 遺傳算法認(rèn)為生物由低級到高級進化，后代比前一代強，但實際操作中可能有退化現(xiàn)象，所以采用最佳個體保留法，也就是曾經(jīng)出現(xiàn)的最好個體，一定要保證生存下來，使后代至少不差于前一代。大致有兩種類型，一種是把出現(xiàn)的最優(yōu)個體單獨保存，最后輸出，不影響原來的進化過程；一種是將最優(yōu)個體保存入子群，也進行選擇、交叉、變異，這樣能充分利用模式，但也可能導(dǎo)致過早收斂。 由于是基本遺傳算法，所以優(yōu)化能力一般，解決簡單問題尚可，高維、復(fù)雜問題就需要進行改進了。 下面為代碼。函數(shù)最大值為3905.9262，此時兩個參數(shù)均為-2.0480，有時會出現(xiàn)局部極值，此時一個參數(shù)為-2.0480，一個為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優(yōu)模式保留，結(jié)果會更豐富些，也就是算法最后不一定收斂于極值點，當(dāng)然局部收斂現(xiàn)象也會有所減少，但最終尋得的解不一定是本次執(zhí)行中曾找到過的最好解。
標(biāo)簽： 遺傳算法
上傳時間： 2015-06-04
上傳用戶：芃溱溱123
HC-SR manual -----------------------------------
上傳時間： 2017-11-12
上傳用戶：lordi
HC-SR,04,超聲波,測距模塊。。。。。
上傳時間： 2018-02-01
上傳用戶：22222222
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(biāo)簽： Super-resolution Multi-scale Dictionary Single Image for
上傳時間： 2019-03-28
上傳用戶：fullout
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
<samp id="s42k2"></samp>