实数据快速傅立叶变换算法2

两个链表情况下的排序-Sort under two list circumstance

旋转式倒立的摆系统是高度非线性模型、 多变量和绝对不稳定的动态系统。本文提出了混合控制方法为摇摆起来和稳定的 LQR 控制方法. 灵活性基于启发式算法的选择的混合控制方法摇起控制器和能源摆起 在控制器不同位置的钟摆。鲁棒性的 LQR 稳定控制方法进行了测试 通过将附加一个螺丝驱动程序顶端的钟摆。Selferecting 的拟议的控制器旋转式倒立 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

 AES高级加密算法的verilog语言实现

vba  cpk收集工具（使用chrom）  没个电子工程师都是关心自己产品的测试数据，往往我们可以通过这些数据来看出一些问题来 这是我用VBA写的CPK自动收集并排版为固定的格式，当然这个格式你自己可以修改，原数据的格式也是可修改的

数值计算算法：牛顿迭代算法的数学写的帕斯卡尔 要找到一个解决方案，以F（X）=0给出的   初始近似P0：   输入：初始近似P0;公差TOL;            最大迭代次数编号。   输出：近似解p或            该算法失败的消息。

本程序利用mpi并行生成随机数，此方法利用线性同余算法，是一个主从模式的线性同余方法，可以并行生成多个随机数，程序可在Linux下运行。

在Turbo C环境下开发，实现对称矩阵的输入，并判定是否为正定。可以修改输入模块实现对任意非奇异矩阵求逆。求逆算法采用伴随矩阵法，求解行列式采用化上三角矩阵法。该算法系本人根据《线性代数》描述编写，矩阵的最大阶数可任意修改，更具有通用性。-in Turbo C development environment and achieve symmetric matrix input, and to determine whether the positive. Can modify the input module of arbitrary non-singular matrix inversion. Inverse algorithm adjoint matrix method, used to solve determinant of the upper triangular matrix. The algorithm is based on my "Linear Algebra" to describe the preparation, the biggest band Matrix will be able to arbitrarily amend, more versatile.

Hadoop 基地 K-均值算法 2013 年 11 月 29 日。现在我们释放 ankus 0.1 ！ Ankus 0.1 的新功能 1） 分类-ID3 2） 聚类-EM 3） 相似性-基于内容的相似性 建议基于项目 4) 建议系统- 5） 建议验证模块 （使用 RMSE）

类型 1 粒子群优化算法是一种修改的版的粒子群优化 （PSO）是一种通过 iteravely 试图提高某项措施的质量是候选人解决优化问题的计算方法。粒子群优化算法的候选解，这里被称为粒子，人口和移动这些粒子在搜索空间进行简单的数学公式对粒子的位置和速度，以优化的问题。每个粒子的运动受其当地最有名的立场，但也引导最好已知的立场在搜索空间，更新作为其他粒子被发现更好的职位。预计这将移往最好的解决方案群。粒子群优化算法是超启发式因为它让很少或没有假设正在优化的问题，可以搜索候选解的很大空间。然而，如粒子群优化算法的元启发式方法不能保证过找到最佳的解决办法。因此提出了修改后的版本的粒子群优化算法，称为 T1PSO。T1PSO 有一个更好的能力，找到最优的解决方案。

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.