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
本例程仿照微信界面设计，可以作为参考代码传播使用
标签： 微信
上传时间： 2017-04-10
上传用户：zhaigf044
BP 神经网络的基本思想：信号的正向传播+误差的反向传播。 ¡ 信号的正向传播：输入样本从输入层传入，经各隐层逐层处理后，传向输出层。 ¡ 误差的反向传播：将输入误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号来作为修正各单元权值的依据。 BP算法属于δ学习规则类，这类算法被称为误差的梯度下降（Gradient Descent）算法。 在此分类器中，本文选择3层BP神经网络算法。隐含层节点数为3。
上传时间： 2017-05-31
上传用户：jplalala
注册机分为三部分，分别为PartA,PartB,PartC 此注册机支持的软件如下：（2011年07月17日最新版） PartA： IAR Embedded Workbench For MSC-51 v8.10 IAR Embedded Workbench For Atmel AVR v5.51 IAR Embedded Workbench For Atmel AVR32 v3.31 IAR Embedded Workbench For ARM v6.21 IAR Embedded Workbench For Renesas M16C and R8C v3.50 IAR Embedded Workbench For NEC 78K v4.71 IAR Embedded Workbench For MSP430 v5.30 IAR Embedded Workbench For Samsung SAM8 v3.10A PartB： IAR Embedded Workbench For Dallas Semiconductor/Maxim MAXQ v2.30 IAR Embedded Workbench For NEC V850 v3.80 IAR Embedded Workbench For Renesas M32C v3.30 IAR Embedded Workbench For CR16C v3.10 IAR Embedded Workbench For Renesas R32C v1.31 IAR Embedded Workbench For Microchip PIC18 v3.10A IAR Embedded Workbench For Microchip dsPIC v1.40A IAR Embedded Workbench For Renesas RX v2.30 PartC： IAR Embedded Workbench For ColdFire v1.23 IAR Embedded Workbench For HCS12 v3.20 IAR Embedded Workbench For HCS08 v1.20 IAR Embedded Workbench For STM8 v1.30 IAR Embedded Workbench For Renesas SuperH v2.10 IAR Embedded Workbench For Renesas H8 v2.30 IAR Embedded Workbench For Renesas RL78 v1.10 截止目前，IAR官网上24款软件，只剩“Embedded Workbench for MK5 v1.25A”无法完成注册 当注册机运行于vista或者WIN7的系统下时，请右键点击然后使用管理员模式运行，或者将系统的UAC功能关闭后运行。 此注册机针对的是IAR官网上下载的EV版（评估板），至于从其他渠道获得的CD版或者FULL版的软件，没有测试。 本注册机仅限测试和学习IAR系列软件之用，请勿用于商业用途。请勿在网络上随意传播。 版本更新说明： ---------------------------------------------------------------------------------------------------------- 20110717版： 更新 IAR Embedded Workbench For NEC 78K v4.71 更新 IAR Embedded Workbench For MSP430 v5.30 更新 IAR Embedded Workbench For Renesas RX v2.30 更新 IAR Embedded Workbench For Renesas H8 v2.30 ---------------------------------------------------------------------------------------------------------- 20110714版： 更新 IAR Embedded Workbench For ARM v6.21 ---------------------------------------------------------------------------------------------------------- 20110527版： 更新 IAR Embedded Workbench For MSC-51 v8.10 ---------------------------------------------------------------------------------------------------------- 20110512版： 更新 IAR Embedded Workbench For ARM v6.20 ---------------------------------------------------------------------------------------------------------- 20110414版： 增加 IAR Embedded Workbench For Renesas RL78 v1.10 更新 IAR Embedded Workbench For Dallas Semiconductor/Maxim MAXQ v2.30 更新 IAR Embedded Workbench For NEC V850 v3.80 更新 IAR Embedded Workbench For CR16C v3.10 更新 IAR Embedded Workbench For Renesas M32C v3.30 更新 IAR Embedded Workbench For STM8 v1.30 ---------------------------------------------------------------------------------------------------------- 20110224版： 更新 IAR Embedded Workbench For HCS08 v1.20 ---------------------------------------------------------------------------------------------------------- 20110122版： 更新 IAR Embedded Workbench For Renesas RX v2.20 ---------------------------------------------------------------------------------------------------------- 20101218版： 更新 IAR Embedded Workbench For MSP430 v5.20 ---------------------------------------------------------------------------------------------------------- 20101206版： 更新 IAR Embedded Workbench For ARM v6.10 更新 IAR Embedded Workbench For Atmel AVR v5.51 更新 IAR Embedded Workbench For Atmel AVR32 v3.31 更新 IAR Embedded Workbench For ColdFire v1.23 更新 IAR Embedded Workbench For NEC 78K v4.70 更新 IAR Embedded Workbench For Renesas M16C and R8C v3.50 更新 IAR Embedded Workbench For STM8 v1.20 ---------------------------------------------------------------------------------------------------------- 20100803版： 更新 IAR Embedded Workbench For MSC-51 v7.60 ---------------------------------------------------------------------------------------------------------- 20100615版： 更新 IAR Embedded Workbench For Renesas RX v2.10 ---------------------------------------------------------------------------------------------------------- 20100430版： 更新 IAR Embedded Workbench For Atmel AVR v5.50 更新 IAR Embedded Workbench For Renesas R32C v1.31 ---------------------------------------------------------------------------------------------------------- 20100429版： 增加 Embedded Workbench For Renesas SuperH v2.10 ---------------------------------------------------------------------------------------------------------- 20100428版： 增加 IAR Embedded Workbench For STM8 v1.10 更新 IAR Embedded Workbench For ARM v5.50 更新 IAR Embedded Workbench For MSP430 v5.10 ---------------------------------------------------------------------------------------------------------- 20100425版： 初始版本建立
上传时间： 2017-07-19
上传用户：zyqbaby
介绍神经网络识别手写数字 反向传播算法和改进神经网络的学习方法
标签： 神经网络 深度学习
上传时间： 2017-08-02
上传用户：yaoshuai
很全的PCB封装图，希望大家能够好好利用，多多传播 altium designer元件库封装
上传时间： 2017-08-03
上传用户：chuxing
