-
在与divide_and_conquer nxm矩阵二进制搜索算法！
Binary Search in nxm matrix, with divide_and_conquer algorithm!
The matrix has sortex in row and column. (young tableau)
- 2022-02-14 23:00:49下载
- 积分：1
-
二维图形的几何变换
计算机图形学实例，实验题目：将 矩形ABCD(A(20,20), B(20, 100), C(80, 20), D(80,100)) 在 X方向平移 30个单位，Y方向平移 60个单位，X方向缩小2倍，Y方向缩小2倍。实现二维图形的基本变换，包括平移、缩放。
- 2022-03-06 03:34:48下载
- 积分：1
-
（1）Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用 计算输出数据 ；用原输出数据 计算 ，用递推最小二乘方法分别对系统参数和模型参数...
（1）Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用 计算输出数据 ；用原输出数据 计算 ，用递推最小二乘方法分别对系统参数和模型参数进行估计。
（2）M.dat,wnoise1.dat分别为M和白噪声序列。Wnoise1.dat的长度为700，wnoise2.dat的长度为1000。Msls6.c为N=600的程序，Msls8.c为N=800的程序。
（3）程序运行后，生成的两个h文件为产生的脉冲响应函数。Msls6.dat为msls6.c的参数估计结果，msls8.dat为msls8.c的参数辨识结果。分别如下所示：
a1=0.906331 a2=0.160170 a3=0.025525 b1=0.704475 b2=-1.497551 c1=1.009114 c2=0.446890
a1=0.906347 a2=0.159066 a3=0.024650 b1=0.700720 b2=-1.493327 c1=1.008787 c2=0.425714
（4）由数据结果可以看出，采用msls辨识方法估计精度要比els法的估计精度差一些。尤其是噪声参数c2的估计误差不在1％以内。这是由于msls法计算上较为简便，计算上的简化就带来了估计精度上的误差。由N=600和N=800相比较，可以看出当N增大时，误差有所减小。理论上当N趋于无穷时， 。
-err
- 2022-04-16 04:46:15下载
- 积分：1
-
看，是VB程序的数值类型，程序会让你输入一个n。
猜数字，是一个VB数值计算类程序，程序可以让你输入一个数字，猜错了可以继续猜-viewing, VB is a numerical type of proceedings, procedures can let you input a number of wrong guess can continue
- 2022-01-30 16:25:24下载
- 积分：1
-
哈夫曼数的编码，译码和树的打印
哈夫曼数的编码，译码和树的打印-The number of Huffman encoding, decoding and tree print
- 2023-07-15 05:05:03下载
- 积分：1
-
a good painting Linear Algorithm
一个很好的画直线算法-a good painting Linear Algorithm
- 2022-01-31 00:22:24下载
- 积分：1
-
机器人比赛飞思卡尔单片机XS128程序
智能小车例程，包括基本巡线程序，OLED和键盘调试，MPU6050程序，固定频率声音识别，超声波模块测距等。使用C语言编程，每个功能都封装为固定的模块，使用很方便。
- 2023-06-11 06:20:08下载
- 积分：1
-
一个用C语言编写的通用的隐性马尔可夫代码库
一个用C语言编写的通用的隐性马尔可夫代码库-a general c code for hidden semi-Markov model
- 2022-02-12 13:05:10下载
- 积分：1
-
vfdevdvdbvbvdvfbgfdbfdb
很好的矩阵类，花了好久才搞到的哦，很好用-vfdevdvdbvbvdvfbgfdbfdb
- 2022-07-16 23:38:27下载
- 积分：1
-
BP网络的C/C++实现，含有详细代码和例子，适合初学者
应用背景人工神经网络(ANN)中关于反向传播算法的内容，相比单个感知器而言，采用多层网络的反向传播算法能表示出更多种类的非线性曲面，整个神经网络可以分成三层：输入层，隐藏层，输出层，通过加权线性变换，层与层之间的传递，最终得到输入层的实数值。关键技术
本人根据附件里面的文章编写的反向传播算法代码，里面含有详细的代码注释和文章例子， 可以让初学者深刻理解反向传播算法，适合初学者学习。给出BP算法训练的例子，对单个样本的训练的情况进行编写和验证。
//输入层到隐层的过程
float fNetj[m];
for (int j= 0;j < m; j++){
fNetj[j] = fTheta[n][j]; //这里权值矩阵最后一列是偏置，偏置×1还是偏置，所以直接加上，
//后面就不用乘了
for(int i = 0;i < n; i++){ //得到netj 的值 netj= X^V
fNetj[j] +=fInputdata[i]*fTheta[i][j];
}
fMidResult[j] = 1/(1 + exp(-fNetj[j]));
//cout
- 2022-08-03 01:10:12下载
- 积分：1
