登录
首页 » Others » 高等代数习题解答(全上下册)

高等代数习题解答(全上下册)

于 2021-05-06 发布
0 136
下载积分: 1 下载次数: 1

代码说明:

有了这个就不用去买参考书了!省下不少钱!

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 水声通信原理课件——水声通信技术
    海洋经济和海上军事力量在国民经济和国防建设这占据很重要的地位,而水声通信在海洋经济和海军建设中起着重要作用
    2020-12-04下载
    积分:1
  • 仿新浪微博客户端
    仿新浪微博客户端自己做的还算凑合合适新手用来学习,用了xutil和xlistview等框架
    2020-12-07下载
    积分:1
  • JSP网上拍卖系统(毕业设计).
    1)显示商品的相关信息a.包括主页面以及各子页面,主要用于加载各商品的图片和信息。b. 点击“查看”功能,点击后显示商品的详细资料。2)用户登录界面包括会员的登录,以及密码丢失后的寻找功能。3)会员注册功能包括会员的登录的帐号、密码以及会员的相关详细资料。4) 会员相关信息的显示及修改功能a. 显示会员注册时所填写的相关资料。b. 当会员发现注册资料有误或有所变更时,可以通过该项对资料进行校正,以免出现不必要的损失。5)订购系统本系统为用户提供的是购物车模式,用户可以通过点击商品后,商品会自动加载到购物车面板,用户确定所需商品后,只需点击确定即可。6)拍卖系统本系统提
    2020-12-11下载
    积分:1
  • 用C语言实现简单的数据库增删改查功能
    用C语言实现简单的数据库增删改查功能,dos界面,简单稳定,供学习参考
    2020-12-06下载
    积分:1
  • HT-001 RN8209电表套件(STM32不带电能),2017.8.18
    HT-001 RN8209电表套件(STM32不带电能),带全部的电路原理图,软件源代码和相关设计文档。
    2020-12-07下载
    积分:1
  • 使用LSTM-DNN进行股票预测:使用修改后的LSTM模型进行股票价格预测-源码.zip
    【实例简介】LSTM-DNN进行库存预测 修正LSTM模型的股价预测 它能做什么? 它可以给出一只股票收盘价的预测值。 它不能预测离现在太远,而它所能做的就是预测明天的价格。 我们需要做的是提供一只股票过去的数据。 评估 我用MAPE(平均绝对百分比误差)评估模型。 通过该模型训练的某些股票的最佳性能可使MAPE达到2%-3%,这意味着精度(1-MAPE)可以达到97%-98%。 训练自己的数据 U首先从互联网上下载股票的csv数据,然后在代码中修改csv路线(在最后一栏中输入收盘价)。 学习性能良好的CPU模型需要花费数小时。 有用吗? 尽管预测第二天的收盘价表现良好,但无法预测接下来的2,3,4 ...天的价格。 因此这可能会有所帮助,可能没有帮助。 未来 我将把我的股票价格预测系统放在github上,它具有许多新功能,包括预处理数据,训练模型,预测价格,评估模型以及推荐高收益股票。 同时
    2021-11-22 00:39:18下载
    积分:1
  • 人工神经网络及其应用实例(含代码)
    通过实例对人工神经网络的实际应用进行分析和讲解,清晰的代码一目了然每神经元有许多输入、输出键,各神经元之间以连接键(又称突触)相连,它决定神经元之间的连接强度(突触强度)和性质(兴奋或抑制),即决定神经元间相互作用的强弱和正负,共有三种类型:兴奋型连接、抑制型连接、无连接。这样,个神经元(一般很大)构成一个相互影响的复杂网终系统,通过调整网络参数,可使人工神经网络具有所需要的特定功能,即学习、训练或自组织过程。一个简单的人工神经网络结构图如下所示:上图中,左侧为输入层(输入层的神经元个数由输入的维度决定),右侧为输出层(输出层的神经元个数由输出的维度决定),输入层与输出层之间即为隐层。输入层节点上的神经元接收外部环境的输入模式,并由它传递给相连隐层上的各个神经元。隐层是神经元网络的内部处理层,这些神经元在网络内部构成中间层,不直接与外部输入、输出打交道。人工经网络所具有的模式变换能力主要体现在隐层的神经元上。输出层用于产生神经网络的输出模式。多层神经网络结构中有代表性的有前向网络(BP网络)模型Page 3 of 25多层侧抑制神经网络模型和带有反馈的多层神经网络模型等。本文主要探讨前向网络模型多层前向神经网络不具有侧扣制和反馈的连接方式,即不其有本层之间或指向前一层的连接弧,只有指向下一层的连接弧。代表是BP神经网终:输入模式由输入层进入网终,经中间各隐层的顺序变换,最后由输出层产生一个输出模式,如下图所示:输入层隐层输出层多层前向神经网终由隐层神经元的非线性处理衍生它的能力,这个任务的关键在于将神经元的加权输入非线性转换成一个输出的非线性激励函数。下图给出了一个接收个输入的神经元:Page 4 of 25神经元的输出由下式给出:这里输入的加权和(括号内部分)由一个非线性函数传递,表示与偏差输入相关的权值,表示与第个输入相关的权值。使用最广泛的函数是S形函数,其曲线家族包括对数函数和双曲正切函数,这些都可用来对人口动态系统、经济学系统等建模。另外所用的其他函数有高斯函数、正弦函数、反正切函数,在此不一一展开介绍,本文主要使用的激励函数是对数函数,函数表达式为函数曲线如下图所示对于有限输入量,对数函数输出范围为∈。在输入为=时,输出值为中问值输出在—附近随着输入的增加以相对快的Page 5 of 25速率增加并非常慢地到达上限。对于
    2020-11-07下载
    积分:1
  • 各国气温数据
    包含伊拉克、匈牙利、索马里、苏丹、孟加拉等国1991到2015年各个月的气温
    2020-12-01下载
    积分:1
  • 卷积码码verilog实现
    【实例简介】卷积码编码的 verilog实现,利用状态机
    2021-11-13 00:32:26下载
    积分:1
  • opencv车牌识别
    vs2015+opencv3.1实现车牌的识别,其中用到了图像分割技术,有比较好的学习参考价值,对opencv新手很有帮助
    2020-12-08下载
    积分:1
  • 696518资源总数
  • 104269会员总数
  • 42今日下载