一个多线程的网络数据采集系统（服务器端）客户端从服务器端收数据，服务器端模拟生成数据
上传时间： 2015-03-04
上传用户：上善若水
温度测量程序，包括显示、数据采集、进位、延时、数摸转换
上传时间： 2013-12-19
上传用户：王楚楚
本程序通过对研祥EVOC_PCL813高速A/D数据采集卡的驱动，采集40路模拟通道的数据，并以数据文件的形式存储在硬盘上，生成文本文件
上传时间： 2014-01-03
上传用户：guanliya
呼吸传感器应用技术的关键是采集呼吸的信号并准确地在计算机中显示出来。本文就从呼吸传感器的原理出发，对测量系统中的各个部分分别介绍；论文的前两部分从温度的标定和温度传感器材料的选取，提出了把铂作为材料的根据；论文的中间部分分析了计算机接口和总括的测量系统，并对采集到的信号进行了分析；论文的最后从人机工程学的角度考虑了呼吸传感器的应用。 全文以温度传感器为主线，介绍了利用温度传感器测量呼吸频率的原理，并对实验得到的数据进行了分析。
上传时间： 2014-03-09
上传用户：netwolf
模拟退火算法 模拟退火算法(Simulated Annealing,简称SA算法)是模拟加热熔化的金属的退火过程，来寻找全局最优解的有效方法之一。 模拟退火的基本思想和步骤如下： 设S＝{s1,s2,…,sn}为所有可能的状态所构成的集合， f：S—R为非负代价函数，即优化问题抽象如下： 寻找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）给定一较高初始温度T，随机产生初始状态S （2）按一定方式，对当前状态作随机扰动，产生一个新的状态S’ S’＝S＋sign(η).δ 其中δ为给定的步长， η为[－1,1]的随机数
标签： Simulated Annealing 模拟退火算法 模拟
上传时间： 2014-01-02
上传用户：gengxiaochao
不但具有强大的采集功能，同时也有强大的导入功能，避免写正则表达式烦恼，支持多站点采集，多类型文章系统导入 更新： 修正了一些BUG，并且增加了模拟POST和COOKIE的功能( 采集CSDN的POST分页的配置文件)
标签： 采集
上传时间： 2015-04-21
上传用户：远远ssad
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2015-04-24
上传用户：R50974
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2015-04-24
上传用户：ryb
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2014-12-19
上传用户：TRIFCT
利用人工智能中的模糊控制算法模拟水温控制的过程，显示实际温度和目标温度之间的差值的变化曲线，源代码
上传时间： 2013-12-25
上传用户：koulian
