代码搜索:精度

找到约 2,443 项符合「精度」的源代码

代码结果 2,443
www.eeworm.com/read/365165/9876459

asv ga.asv

function []=main(N,pcro,pmut) %遗传算法主函数 %用以实现求给定函数fun在给定区间[low, up]上的极大值 % pcro交叉概率,pmut变异概率,N为迭代次数 pcro=0.8; pmut=0.1; N=400; low=1; %区间下限 up1=4; %区间上限 up2=2; %区间上限 perk=0.0001; %要求结果精度 n=1
www.eeworm.com/read/168916/9888694

c main.c

//==============================================================// //工程:AD977ACN驱动程序 // AD977ACN为AD公司生产的16位串行高精度ADC转换器芯片,输入 // 范围可调,时序可选择,可选为SPI的输出,或者是类似SPI的 // 串行时序,其中可选择内部通讯时钟或者是外部输入时钟,本 //
www.eeworm.com/read/168116/9939004

m zza0.m

%求解Lame波反对称部分的基本模态Ao format long syms c; %定义速度c为符号函数 xx=[];err=[]; %xx存贮不同KH值的波速,err存贮误差 eps=1e-12; %精度 u=0.3; %泊松比u,越大对应速度越小 E=2.06e11; %弹性模量E,越大对应速度越大 p=7850;%密度越大对应速度越小 cd
www.eeworm.com/read/168116/9939007

asv zzs01.asv

%求解Lame波对称部分的基本模态So format long syms c; %定义速度c为符号函数 xx=[];err=[]; %xx存贮不同KH值的波速,err存贮误差 eps=1e-12; %精度 u=0.3; %泊松比u,越大对应速度越小 E=2.06e11; %弹性模量E,越大对应速度越大 p=7850;%密度越大对应速度越小 cd=((1
www.eeworm.com/read/168116/9939021

m zza0.m

%求解Lame波反对称部分的基本模态Ao format long syms c; %定义速度c为符号函数 xx=[];err=[]; %xx存贮不同KH值的波速,err存贮误差 eps=1e-12; %精度 u=0.3; %泊松比u,越大对应速度越小 E=2.06e11; %弹性模量E,越大对应速度越大 p=7850;%密度越大对应速度越小 cd
www.eeworm.com/read/168116/9939024

m zzs0.m

%求解Lame波对称部分的基本模态So format long syms c; %定义速度c为符号函数 xx=[];err=[]; %xx存贮不同KH值的波速,err存贮误差 eps=1e-12; %精度 u=0.3; %泊松比u,越大对应速度越小 E=2.06e11; %弹性模量E,越大对应速度越大 p=7850;%密度越大对应速度越小 cd=((1
www.eeworm.com/read/168116/9939026

m zzs01.m

%求解Lame波对称部分的基本模态So format long syms c; %定义速度c为符号函数 xx=[];err=[]; %xx存贮不同KH值的波速,err存贮误差 eps=1e-12; %精度 u=0.3; %泊松比u,越大对应速度越小 E=2.06e11; %弹性模量E,越大对应速度越大 p=7850;%密度越大对应速度越小 cd=((1
www.eeworm.com/read/168116/9939030

m zzs0.m

%求解Lame波对称部分的基本模态So format long syms c; %定义速度c为符号函数 xx=[];err=[]; %xx存贮不同KH值的波速,err存贮误差 eps=1e-12; %精度 cd=5790;cs=3200; %cd为纵波波速,cs为横波波速 for kh=0:0.05:8 %k为波数,h为总的板厚 if kh
www.eeworm.com/read/362596/9989620

m exp3_1.m

clear clc close t0=0; tfinal=15; x0=[0.5;0]; %初始化,电感电流为0,电容电压为0.5v %tol=0.001; %数值计算精度 [t,x]=ode45('elecsys',t0,tfinal,x0); %elecsys是系统微分方程的描述函数 figure(1) subplot(211) plot(t,x(:,1)) title
www.eeworm.com/read/163310/10166573

m wannnpid.m

%Single Neural Net PID Controller based on RBF Wavelet Neural Network Identification %完善网络结构将RBF网络的径向基换成小波函数,调整权值以及公式的变更 %可望在仿真结构中添加非奇异项以验证小波网络的辨识精度和能力 %输入层加权值进行调整, clear all;close all; Jp=0.00