把任意的EXE嵌入到自己程序中，从中我们可以了解到木马和病毒的传播方法，从而进行防御。
上传时间： 2014-01-03
上传用户：huannan88
基于单片机的超声波流量计,1. 研究了时差法超声波流量计的测量原理，对超声波在流体中传播特性及超声波换能器的特性及安装选择进行了深入研究
上传时间： 2014-11-28
上传用户：jkhjkh1982
就通信系统而言，涉及到有线信道及非卫星无线信道的问题时，信道不再可以看成为恒参信道，信号往往是通过未知信道传播，通常把这样的信道称为盲信道。 本源代码对盲信道的参数进行估计，利用matlab仿真，对做盲信道的工程人员有一定的借鉴价值。
标签： 通信系统
上传时间： 2014-07-07
上传用户：啊飒飒大师的
无线网络中进行UDP模拟，所使用的无线接口为802.11，传播模型为TwoRayGround
上传时间： 2017-09-10
上传用户：huannan88
信息隐藏基础 数字媒体包括了图像、文字以及音频、视频等各种形式，以及传播形式和传播内容中采用数字化，即信息的采集、存取、加工和分发的数字化过程。数字媒体已经成为继语言、文字和电子技术之后的最新的信息载体。 通过本文你可以了解现代密码系统的基本知识，掌握常用的图像加密技术的基本思想。 具体包含： 1 信息隐藏概述 2 隐写术的基本原理 3 隐写 4 隐写分析技术
上传时间： 2014-01-12
上传用户：问题问题
Thinking in embedded （嵌入式编程思想 第一版） 版权声明： 1、 本书遵守GPL国际公约，您可以反汇编、传播和转载本书以及本书部分内容，但是请保留作者信息； 2、 本书面向所有嵌入式爱好者免费发放，任何人不经原作者同意不得用于商业用途，谢谢合作。 3、 本书部分文章来自互联网，由于网上流传的不完整性，本书在编排文章的时候尽可能保留原作者的信息，如果有任何损害原创者权益的行为，请于本书编者联系，我们将尽快按照您的意愿做修正 4、 如果您想加入本书的编写小组来，请于本书的编写者联系，谢谢大家的支持。 5、 暂时给本书取名为：Thinking in embedded（嵌入式编程思想 第一版），嘿嘿，大家不要扔石头呀
标签： Thinking embedded in 嵌入式编程
上传时间： 2014-03-18
上传用户：yuanyuan123
分裂场PML吸收层，模拟时谐场，在二维空间的传播。
上传时间： 2017-09-25
上传用户：youlongjian0
BP网络的学习过程是由正向传播和误差反向传播组成，把输入样本从输入层传到隐含层单元，经隐含层单元逐层处理后产生一个输出，至输出层，这个过程为正向传播，如果输出层没有得到所期望的输入值，把期望值和输出值的误差信号按原路径返回，并通过修改各层神经元的连接权值，使误差信号为最小。这个过程为反向传播
上传时间： 2015-05-07
上传用户：zh_sh_y
水声学理论知识，声呐，声音在海洋底下的传播方式
上传时间： 2015-12-18
上传用户：yangqing168
% 生成训练样本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %输入矢量的取值范围矩阵 pr(1:9,2)=1; bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神经网络， 12个隐层神经元，4个输出神经元 %tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数 %tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数 %trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数 %learn属性 'learngdm' 附加动量因子的梯度下降学习函数 net.trainParam.epochs=1000;%允许最大训练步数2000步 net.trainParam.goal=0.001; %训练目标最小误差0.001 net.trainParam.show=10; %每间隔100步显示一次训练结果 net.trainParam.lr=0.05; %学习速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
上传时间： 2016-05-28
上传用户：shanqiu
