波音747飞机运动空间六自由度仿真模型-Simulink程序.rar

资源描述摘要(随着网络及通信技术的飞速发展!人们对无线通信的需求越来越大!也出现了许多的无线通信协议)文章 对目前使用较广泛的蓝牙*+%,-$$"./0/’和1234无线协议分别进行了阐述!比较了他们技术上的异同点!讨论了 在选择*使用这些技术时应注意的问题!对较具发展潜力的新无线技术标准5.6!7/8699也进行了阐述)对他们的未来 应用进行了展望) 关键词(蓝牙:1234:./0/:5.6:7/8699

MD5算法实现简洁，思路清晰，附有代码解释，轻松看懂。MD5算法的输入可以是任意长度的消息x，对输入消息按512位分组为单位惊进行处理，输出128位的散列值MD（x）。

un script d"un ptit algorithme de réduction de dimension avec le classifieur SVM  pour la classification  des données synthétiques ou une image, utilisation de ll"analyse en composants principals pour la reduction de dimension 

利用demon数据进行特征提取的C语言程序，欢迎交流-use demon data feature extraction C Programming Language, welcomed the exchange

CRC_FIC檢查CRC碼 計算CRC碼 檢查程式的CRC碼算法 CRC_FIC檢查CRC碼 計算CRC碼 檢查程式的CRC碼算法   CRC_FIC檢查CRC碼 計算CRC碼 檢查程式的CRC碼算法  

PQ分解法潮流计算程序。既可以用于高压输电网的潮流解算，又可以用于低压配电网的潮流解算，还可以同时解算输电网 加配电网的混合潮流问题。-PQ decomposition process flow calculation. Both high-voltage transmission networks can be used to calculate the trend, but also can be used in the trend of low voltage distribution network solver, but also at the same time increase the supply grid solver distribution network issues mixed trend.

雅可比迭代解线性方程组 这个也是计算方法中另一种 求解线性方程组的计算程序-Jacobi iterative solution of linear equations This is a separate calculation method for solving linear equations of computational procedures

学过概率的同学一定都知道贝叶斯定理：这个在250多年前发明的算法，在信息领域内有着无与伦比的地位。贝叶斯分类是一系列分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。朴素贝叶斯算法（Naive Bayesian) 是其中应用最为广泛的分类算法之一。朴素贝叶斯分类器基于一个简单的假定：给定目标值时属性之间相互条件独立。通过以上定理和“朴素”的假定，我们知道： 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报 打分 发表评论 暂无评论

该程序是用C语言写的采用了动量方法的BP神经网络，它具有极其强大的扩展性，可用于函数的逼近及分类识别等各方面，语言书写规范，其中大量使用了动态分配一、二维数组的方法，该网络实例中实现的是对某一函数的逼近，输入层为二层，中间层可自己设定多达十几层，逼近精度非常精确。读者可根据自己的需要设定各层的数目以及相应的训练样本进行训练与测试。-The program is written in C language using the momentum method of BP neural network, which has extremely powerful scalability, can be used for function approximation and classification in areas such as language specification, including large-scale use of a dynamically allocated one, two dimensional array of methods, examples of the network realize that the approximation of a function, for the second input layer, middle layer can be set as many as a dozen layers, close to very precise accuracy. Readers may need to be set in accordance with its own number of floors and the corresponding training samples for training and testing.