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