这个连接池是直接从JIVE中取出来的，进行了一下修改，使得连接参数直接在程序中设定而不是从属性文件中读取。 [b]用法：[/b] 先设定自己的连接参数，在DbConnectionDefaultPool.java文件的loadProperties方法中。注意你也需要设定连接池的log文件的存放位置。
上传时间： 2016-11-21
上传用户：TF2015
本软件是 windows系统平台下的支持向量机软件，包括了支持向量机的几种常用类型，可用于分类和回归
上传时间： 2016-11-24
上传用户：zhouli
DEC-5502开发板的USB通信PC机端驱动程序，安装此驱动程序可以实现DSP和PC机的通信
上传时间： 2016-11-28
上传用户：yepeng139
这是一个贝塞尔曲线生成的程序，有二次和三次贝塞尔曲线，并且和B样曲线组合的图形
标签： 程序
上传时间： 2016-12-28
上传用户：qweqweqwe
板上资源： LM2576电源，MAX3232电平转换芯片，11.0592M有源晶振，ATMEGA128L，FM32256（铁电），滑槽式SIM卡座，40PZIF接插件，通信 模块支持CM320,TC35i，MC35i，MC39i，GTM900A/B等模块。 使用方法：1、不焊接M128和FM32256以及晶振，将桥接电阻R29,R30,R31焊上，就是标准串口无线MODEM，根据模块不同可以支持GPRS和CDMA， 当然也可以作为GSM猫或者短信猫来使用。 2、焊上M128芯片，FM32256可以根据实际需要决定是否使用，除了支持上面的应用模式外，还能做成不需要上位机的透明传输模块， 实现单片机或者一些非计算机设备无线上网传输数据的要求。
上传时间： 2017-01-19
上传用户：ukuk
项目的研究内容是对硅微谐振式加速度计的数据采集电路开展研究工作。硅微谐振式加速度计敏感结构输出的是两路差分的频率信号，因此硅微谐振式加速度计数据采集电路完成的主要任务是测出两路频率信号的差值。测量要求是：实现10ms内对中心谐振频率为20kHz、标度因数为100Hz/g、量程为±50g、分辨率为1mg的硅微谐振式加速度计输出的频率信号的测量，等效测量误差为±1mg。电路的控制核心为单片机，具有串行接口以便将测量结果传送给PC机从而分析、保存测量结果。 按研究内容设计了软硬件。软件采用多周期同步法实现高精度，快速度的频率测量方案，并使用CPLD编程实现，这也是最难的地方。硬件采用现在流行的3.3V供电系统，选用EPM240T100C5N和较为实用的AVR单片机芯片Atmega64L，对应3.3V供电系统，串行接口使用MAX3232。 最后完成了PCB板的制作，经反复调试后得到了非常好的效果。采集的数据满足项目研究内容中的要求，当提高有源晶振的频率时，精度有大大提高了，此时已远远满足了项目中高精度，快速度测量的要求。另外，采用MFC编程编写了上位机的数据接收和数据处理专用软件，集数据采集，运算，作图，保存功能于一体。 此为CPLD语言部分
上传时间： 2013-12-09
上传用户：奇奇奔奔
项目的研究内容是对硅微谐振式加速度计的数据采集电路开展研究工作。硅微谐振式加速度计敏感结构输出的是两路差分的频率信号，因此硅微谐振式加速度计数据采集电路完成的主要任务是测出两路频率信号的差值。测量要求是：实现10ms内对中心谐振频率为20kHz、标度因数为100Hz/g、量程为±50g、分辨率为1mg的硅微谐振式加速度计输出的频率信号的测量，等效测量误差为±1mg。电路的控制核心为单片机，具有串行接口以便将测量结果传送给PC机从而分析、保存测量结果。 按研究内容设计了软硬件。软件采用多周期同步法实现高精度，快速度的频率测量方案，并使用CPLD编程实现，这也是最难的地方。硬件采用现在流行的3.3V供电系统，选用EPM240T100C5N和较为实用的AVR单片机芯片Atmega64L，对应3.3V供电系统，串行接口使用MAX3232。 最后完成了PCB板的制作，经反复调试后得到了非常好的效果。采集的数据满足项目研究内容中的要求，当提高有源晶振的频率时，精度有大大提高了，此时已远远满足了项目中高精度，快速度测量的要求。另外，采用MFC编程编写了上位机的数据接收和数据处理专用软件，集数据采集，运算，作图，保存功能于一体。 此为上位机程序部分
上传时间： 2017-02-13
上传用户：大三三
一种用于温度PID控制的程序，可与上位机通讯，接收上位机控制。
上传时间： 2013-11-26
上传用户：yd19890720
一篇空时码的综述文章，以及给出了1*1，1*2，2*1，2*2接收发机天线结构的matlab仿真程序。
标签： 空时码
上传时间： 2017-04-22
上传用户：cc1
这是一个C语言编写的模拟退火算法的玻尔兹曼机，它实现了Boltzmann玻尔兹曼机的学习训练。通过仿真神经网络，实现在多个输入输出神经元间，训练权重和阈值，从而收敛。
上传时间： 2017-05-07
上传用户：dongqiangqiang
