webrtc的AEC的matlab算法演示和转码

关于Proteus仿真ADC0809，说明以下几点：1、在Proteus中，ADC0809是不可仿真的。但可以用ADC0808代替ADC0809进行仿真。ADC0808与ADC0809有相同的引脚，功能极为相似。在Proteus中，可以认为：ADC0808就是ADC0809。2、说明几个关键引脚的输出信号：1)OE 数据输出允许信号，高电屏有效（意思就是，当OE接高电屏时才允许将转换后的结果从ADC0808的OUT1~OUT8引脚输出，否则，在内部锁存）。2)ADC0808的ALE信号（22引脚），以及START信号（6引脚） ALE称为“地址锁存允许信号”，高电屏有效。就是说

A08B-9010-J605_MACRO COMPILERfanuc的宏编译器，适用于0I,30I,0IF系列数控系统

Python编写的SVM算法，SVM算法的实现，适合直接使用，开放源代码，Supported Vector Machine。(Python code SVM algorithm，SVM algorithm realizition，easy to use，open source，Supported Vector Machine。)

快速傅里叶变换（FFT）和IFFT的MATLAB实现代码,编成了MATLAB函数形式，可以直接进行调用。便于大家学习研究。

使用python实现bp神经网络经典代码列子

由北航师生开发的FMECA, FMEA辅助工具，适用于嵌入式系统，安全关键系统可靠性分析，管理领域的可靠性分析等。在windows XP/7 环境下测试通过免费使用的绿色软件软件官方网站 http://fmeca.net

为了提高企业信息化水平，促进企业管理的规范化、制度化、流程化，XX单位决定实施人力资源管理系统。希望通过这个系统的实施规范人事档案的管理，规范薪酬体系和薪酬发放的管理，规范人事的调动管理、培训管理和激励管理。并对招聘工作的职位发布、简历、面试、招聘题库、招聘考试、录用等环节加以规范。系统还需提供人事档案的导出和报表功能

利用pdfbox读取pdf文件所需要的jar包。

pdf文档，中文来源：华北电力大学学报242007[11997199811.2199910.88408200.68000.47800.2掩76072007000100120时间/天68040100120图3训练过程中的误差变化时间/天Fig.3 Errors during training图1日负荷预测时洲练数据4Fig. 1 Training data for day load for ecas ting35←只51.5050-10203040如0的070809010101200.8时间压图4训练过程中神经元个数变化Fig 4 Grow th of neurons during train ing0.200.95系0.940.8505101520253035滞后时间/天如0.80.75图2训练数据的自相关系数Fig. 2 Autocorrelation coefficients of training dat a(a拟合曲线0.〔(3)10.040.0系70/14060[1000000]时间/天(b拟合误差「O1000001图5训练结果及误差Fig. 5 Result and error of train in3- EBF6,C1994-2012cHinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net4EUNITE2582080078076074072026.26700(3)66005101520253035时间/天50/1[00001图6日最大负荷预测结果[01010]26ig. 6 Result of forFrecasting g1 SOFNN[716.2,739.7,757.7,781.3],7Tab 1 Accuracy of training and forecast ing[720.1,738.2,763.7,MethodMAPE/ (%O) ME767.7],7SOFNN1.3344.137901.7850.04780EUNITE1.95E770760winner750报告中ME值没有准确堤供,但可以从报告中估轵740计得出约50~60完整的 EUNITE网络竟赛原始数据可730从EUNITE网站获得(http://neuron.tuke.sk/compe-720tit ion/ index. php)7103354EUNITEMAPE时间1.95[2]图7周平均最大负荷预测结果3.2Fig. 7 Forecasting result of week average max loadSOFNNSOFNNWSj72SOF NNWLWLideltaWli, delta WLi=WLj-Wli(3h:× delt al+k× deltal wj,Yh=0.58o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp:/www.cnki.net262007820[1] Chen B J, Chang M W, Lin C J. Load forecasting using800support vector machines: a study on eunitE com-780tion 2001[J]. IEEE transactions on power systems7602004.19(4):1821-1830[2] Company behind East- Slov akia Power Distrib ution740Com panWorle w ide com petition w ithin the EU720NITE network, EUNITE competiton report [RI700[3]6802004.28(17):1-1105101520253035[4 Leng g, Prasad g, McGinnity T M. An on line algor-时间/天rithm for creating self organ izing fuzzy neural networ ks图8修正后的日最大负荷预测结果Neural Netw orks, 2004,(17): 1477-1493[5 Ort iz: Arroyo D, Skov M K, Huynh Q. Accurate Elee-F ig.8 Forecasting results after rev sedtricity Load Forecasting with Artificial Neur al NetworksIC. Proceedings of the 2005 International Conference2SOFNNon Compu tat io nal Intel ligence for M odel ling, Control andTah 2 Accuracy of forecast ingAuto mation. and International Conference on I ntelligentMethodMAPE/(%)MEAgents, Web Technolo gies and Internet CommerceSOFNN1.7850.04(CIMCAIA WTIC 05). 20051.5941.95[ 6] Tao X. Input dimens ion reduction for load forecastingEUNITE1.9550-60based on support vector machines [C]. Hong Kong82004 IEEE International Conference of Electric U til yderegulation, res tructur ing and pow er technolog iesMAPE ME20[7 Hsu CC. Dynam icall y Optim izing Parameters in SupportVector Regression An A pp licat io n of Electricity Load4结论Forecasting [C]. Haw aii: Proceedings of the 3 9thIlaw aii International Conference on System Sciences199918 Pan kratz A. Forecasting w ith Univariate Box-JenkinsModels [m. John Wiley sons, 1983SOFNN(1972-),,C1994-2012cHinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

mnist_uint8.mat用于MATLAB实现CNN网络的手写识别，可以直接读取