FFT和FIR 快速傅里叶变换和FIR滤波器实验程序

群微粒算法：本算法用群微粒算法求目标函数的最大值 //本算法使用步骤 // （1）派生自己的群微粒类，类中必须定义double GetFit(PARTICLE&)方法，用来计算每个微粒的适合度 // （2）生成派生类实例，并在构造函数中指明微粒坐标维数和群体个数 // （2）设置微粒坐标上界数组和下界数组，并用SetXup与SetXdown设置微粒坐标上下界 // （3）用SetVmax方法设置微粒最大速度 // （4）设置可选参数：C1，C2，W和通讯函数 // （5）采用Run方法进行优化运算，优化后用GetBest方法获得最优个体适合度和坐标

已知某函数在已知点上的函数值，用拉格朗日插值多项式求出其余点的函数值lagrange.c-known function of a known point in the function, polynomial interpolation using Lagrange points obtained a function of the remaining value lagrange.c

eigen工具包，是包括矩阵常用运算的开源C++工具包，不用安装可直接添加使用，非常方便

求解线性方程组，各种方法都包括在内，可以直接粘贴使用-solving linear equations, all methods included, can be directly used paste

基本点序列比对算法。当 newgeneis 发现，通情达理理解其功能的标准方法就是看通过已知基因的数据基和夏装接近的匹配项。如此接近的两个基因是由他们排列的程度来衡量的。正式这，想到作为一个长字符串在字母表 σ 上的基因 = {A、 C、 G、 T}。考虑两个基因 （字符串） x = ATGCC 和 y = TACGCA。对齐的 x 和 y 是一种通过编写他们 incolumns，比如说匹配这两个字符串：− T − G C C− C G C T A

Fortran 77采用固定格式，所有代码均用gfortran编译器和英特尔Fortran编译器进行测试。所有代码分为15类。它包括

MD5校验和算法源码-MD5 checksum algorithm source

网络的迅速发展，必然会导致拥塞的发生，如何避免拥塞和控制拥塞已成为现代网络研究的热点。 由于网络中95%的字节数据是使用TCP协议来传输的，因此，研究TCP中的拥塞避免和拥塞控制便成为拥塞研究的重点

资源描述支持十六进制/二进制编辑      > 支持文件内查找/十六进制输出      > 允许文字大小/类型/颜色/背景的设置 

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