-
语音传输的实验程序
语音传输的实验程序:不同编码方式图形比较画出线性A律CVSD在相同随机错误与突发错误参数下得译码后波形并加以比较。以下实验若未注明均采用该参数设置:幅度:6V 频率:1K 编码位数:不同不同编码方式下 不同的误码率以及相应的传输速率
- 2022-03-17 10:01:36下载
- 积分:1
-
使用PIC单片机开发的直流伺服(含源码和上位机)
直流伺服(含源码和上位机),本人测试使用过,真实有效。
- 2022-09-19 18:35:03下载
- 积分:1
-
旋转的正方体
旋转的正方体,可以自己控制 旋转的正方体 的旋转方向 调用4个函数就行
- 2023-04-20 04:55:03下载
- 积分:1
-
用链表实现的职工管理软件 ( C+ + )
用链表实现的职工管理软件 ( C+ + ) -achieve with the union management software (C) with the trade unions to achieve Chain Management Software (C)
- 2022-03-05 14:56:41下载
- 积分:1
-
lagrange插值
在节点上给出节点基函数,然后做基函数的线性组合,组合系数为节点函数值,这种插值多项式称为拉格朗日插值公式线性插值也叫两点插值,已知函数y = f (x)在给定互异点x0, x1上的值为y0= f (x0),y1=f (x1)线性插值就是构造一个一次多项式P1(x) = ax + b使它满足条件P1 (x0) = y0 P1 (x1) = y1其几何解释就是一条直线,通过已知点A (x0, y0),B(x1, y1)。线性插值计算方便、应用很广,但由于它是用直线去代替曲线,因而一般要求[x0, x1]比较小,且f(x)在[x0, x1]上变化比较平稳,否则线性插值的误差可能很大。为了克服这一缺点,有时用简单的曲线去近似地代替复杂的曲线,最简单的曲线是二次曲线,用二次曲线去逼近复杂曲线的情形。
- 2022-03-20 21:27:39下载
- 积分:1
-
科学与工程数值算法插值类
科学与工程数值算法插值类-science and engineering category interpolation algorithm
- 2022-08-22 10:35:08下载
- 积分:1
-
calculatrice
一个开源的adobeflex开发项目,使用C#和带有语法颜色高亮显示、代码提示和代码完成助手的平台SDK工具
- 2023-08-19 04:45:03下载
- 积分:1
-
有五个房子,每个房子的颜色不同,里面分别住着不同国家的人,每个人都有自己养的不同的宠物,喜欢和不同的饮料,抽不同牌子的烟。现在已知以下的一些信息:...
有五个房子,每个房子的颜色不同,里面分别住着不同国家的人,每个人都有自己养的不同的宠物,喜欢和不同的饮料,抽不同牌子的烟。现在已知以下的一些信息:-five houses, each house different colors, which were home to people from different countries, Every individual has his own support of the different pets, likes and different beverages, pumping different brands of cigarettes. Now known some of the following information :
- 2022-11-15 13:40:03下载
- 积分:1
-
实验3 自上而下语法分析 LR分析
编译原理 实验3 自上而下语法分析 LR分析 编译原理 实验3 自上而下语法分析 LR分析编译原理 实验3 自上而下语法分析 LR分析编译原理 实验3 自上而下语法分析 LR分析
学习编译原理的实验报告,c++语言啊 很好的实验报告哦!
- 2022-09-25 18:15:02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