搜索资源列表
qingwaguohe
- 在河上有一座独木桥，一只青蛙想沿着独木桥从河的一侧跳到另一侧。在桥上有一些石子，青蛙很讨厌踩在这些石子上。由于桥的长度和青蛙一次跳过的距离都是正整数，我们可以把独木桥上青蛙可能到达的点看成数轴上的一串整点：0，1，……，L（其中L是桥的长度）。坐标为0的点表示桥的起点，坐标为L的点表示桥的终点。青蛙从桥的起点开始，不停的向终点方向跳跃。一次跳跃的距离是S到T之间的任意正整数（包括S,T）。当青蛙跳到或跳过坐标为L的点时，就算青蛙已经跳出了独木桥。 题目给出独木桥的长度L，青蛙跳跃的距离
Ma_tran_va_Mang_trong_Matlab
- matlab tiế ng Việ t tự họ c-matlab tiế ng Việ t tự họ c
inmin01
- 用积分最小值准则来求P,PI,PID的个参数，其中Gc是校正器的传递函数,kp为比例系数， Ti为积分时间常数，Td为微分时间常数，输入参量vars为带迟滞--惯性环节模型的[K T τ]，已知参数k=vars（1）；T=vars（2）；ι=vars（3）,iC=vars(4) -Minimum criteria of integral seeking P, PI, PID' s parameters, which Gc is the corrector transfer function
cc01
- 用Cohen--Coon整定公式来求P,PI,PID的个参数，其中Gc是校正器的传递函数,kp为比例系数， Ti为积分时间常数，Td为微分时间常数，输入参量vars为带迟滞--惯性环节模型的KT τ 输入参量vars为带迟滞--惯性环节的K T ι，已知参数k=vars（1）；T=vars（2）；ι=vars（3）。-With Cohen- Coon tuning formula to seek P, PI, PID' s parameters, which Gc is the corre
paperkid
- 报童问题(负指数分布) 几个参数： 卖出报纸挣a元，退回报纸赔b元 卖报量y,订报量z，订报量上限z_up 观察期的总天数t,用于积累天数的ti 总的平均损失量ave_loss，供过于求损失loss1,供小于求损失loss2,ave_loss=loss1+loss2 最佳订报量superz,最小损失量ave_loss_min -newsvender
regiongrow
- region growing: Perform segmentation by region grow1ng. [G, NR, SI, TI] = REGIONGROW(F, SR, T). Scan be an array (the same size as F) with a 1 at the coord1nates of every seed point and 0s elsewhere. S can also be a single seed value. Similarly, T
NetSimulator
- 本课题假设ti为广播基站数据包(单位数据包大小为512bits)的发布时刻，令发布时间间隔Xi = ti - ti-1 (i=0, 1, 2, …)，t0 = 0，则任意Xi满足负指数分布： p{Xi ≥ t} = p0(t) = , t ≥ 0 或者 p{Xi < t} = 1-p0(t) =1- , t ≥ 0 该负指数分布的广播包发布时间间隔的均值为1/λ。 假设处理一个数据包的时间为0.05s，令λ分别等于5Kbps和1Kbps时，在100s时间内，求出数据包的平均队长
FFtqujixian
- 一个简单的matlab程序。作用是用快速傅里叶变换（FFT），对心电信号去基线漂移。传统的去基线漂移方法没有提到FFt，只不过效果的确不太好。-Translate From: Chinese To: English ChineseEnglishSpanishTranslate text or webpage 一个简单的matlab程序。作用是用快速傅里叶变换（FFT），对心电信号去基线漂移。传统的去基线漂移方法没有提到FFt，只不过效果的确不太好。 Allow phoneti
Nhận dạng âm thanh
- Nhận dạng tiếng nói từ loa trực tiếp laptop
ecgsyn
- ECG waveform generator for MATLAB [s, ipeaks] = ecgsyn(sfecg,N,Anoise,hrmean,hrstd,lfhfratio,sfint,ti,ai,bi) Produces synthetic ECG with the following outputs: s: ECG (mV) ipeaks: labels for PQRST peaks: P(1), Q(2), R(3), S(4)
BPNN
- 前向型神经网络(BPNN) 1.首先使用随机函数对每一层间的连接权值矩阵和偏置向量进行随机初始化. 2.依次使用一个训练样本对网络进行训练，并按照上面的公式计算每个样本的Δti,t 1,...,T− 1 3.训练p个样本后(一次batch)，按照更新方程对W与b进行更新. 4.重复步骤2～3，直到误差小于设定的阈值或者达到设定的batch次数.-Forward neural network (BPNN) 1. First, using a random function
x_dircet_TI
- a direct solving T.D system in TI form / with both scalar and matrix, state matrix