搜索结果
找到约 1,869 项符合
X-scale 的查询结果
数值算法/人工智能 自定义一些x,y坐标,可以模拟出一些光滑的曲线
自定义一些x,y坐标,可以模拟出一些光滑的曲线
Linux/Unix编程 linux device drive II 的示例移植到2.6.x内核
linux device drive II 的示例移植到2.6.x内核
书籍源码 征服Ajax/施伟伟, 张蓓编著 ISBN号: 7-115-14706-X 出版发行项: 北京-人民邮电出版社 2006
征服Ajax/施伟伟, 张蓓编著
ISBN号: 7-115-14706-X
出版发行项: 北京-人民邮电出版社 2006
matlab例程 realize overlapped-add method %[y]=overlpadd(x,h,Nfft) %y:output sequence %x:input sequence %h
realize overlapped-add method
%[y]=overlpadd(x,h,Nfft)
%y:output sequence
%x:input sequence
%h:filter impulse response sequence
%Nfft:points of each DFT operation
%重叠相加法实现分段卷积
matlab例程 %realize overlapped-save method %y:output sequence %x:input seqence %h:filter impulse response s
%realize overlapped-save method
%y:output sequence
%x:input seqence
%h:filter impulse response sequence
%N:length of each segment
%重叠保留法实现分段卷积
人工智能/神经网络 我们解决八数码问题,广度优先搜索可能会导致内存不够用,采用启发式搜索,启发函数为f(x)=g(x)+h(x) g(x)为该结点不同于目标结点的个数,h(x)为该结点的深度,选择那f(x)结点最小的那个
我们解决八数码问题,广度优先搜索可能会导致内存不够用,采用启发式搜索,启发函数为f(x)=g(x)+h(x) g(x)为该结点不同于目标结点的个数,h(x)为该结点的深度,选择那f(x)结点最小的那个结点进行扩展, 引入了一个"扩展数组[4]"(因为扩展的结点最多只有4个),该数组保存着某个结点的0点向各个方向的扩展的结点对象,然后对该扩展数 ...
人工智能/神经网络 我们解决八数码问题,广度优先搜索可能会导致内存不够用,采用启发式搜索,启发函数为f(x)=g(x)+h(x) g(x)为该结点不同于目标结点的个数,h(x)为该结点的深度,选择那f(x)结点最小的那个
我们解决八数码问题,广度优先搜索可能会导致内存不够用,采用启发式搜索,启发函数为f(x)=g(x)+h(x) g(x)为该结点不同于目标结点的个数,h(x)为该结点的深度,选择那f(x)结点最小的那个结点进行扩展, 引入了一个"扩展数组[4]"(因为扩展的结点最多只有4个),该数组保存着某个结点的0点向各个方向的扩展的结点对象,然后对该扩展数 ...
软件设计/软件工程 Software Engineering is a discipline applied by teams to produce high-quality, large-scale, cost-eff
Software Engineering is a discipline applied by teams to produce high-quality, large-scale, cost-effective software that satisfies the users’ needs, and can be maintained over time
Software Development is a weaker term where standards, tools, processes, etc. may not be applied
文件格式 * 用拉格朗日插值法依据N个已知数据点即使函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx
* 用拉格朗日插值法依据N个已知数据点即使函数值
* 输入: n--已知数据点的个数N-1
* x--已知数据点第一坐标的N维列向量
* y--已知数据点第二坐标的N维列向量
* xx-插值点第一坐标
* 输出: 函数返回值所求插值点的第二坐标
文件格式 * 本算法用最小二乘法依据指定的M个基函数及N个已知数据进行曲线拟和 * 输入: m--已知数据点的个数M * f--M维基函数向量 * n--已知数据点的个数N-1 * x--已知数
* 本算法用最小二乘法依据指定的M个基函数及N个已知数据进行曲线拟和
* 输入: m--已知数据点的个数M
* f--M维基函数向量
* n--已知数据点的个数N-1
* x--已知数据点第一坐标的N维列向量
* y--已知数据点第二坐标的N维列向量
* a--无用
* 输出: 函数返回值为曲线拟和的均方误差
* a为用基函数进行曲线拟和的系数,
* ...