采用单神经元结构对两类样本进行分类，其中X为输入样本，T为目标向量。X=[-0.5,-0.5,0.3,0.1,-0.1,0.8,0.2,0.3 0.3,-0.2,-0.6,0.1,-0.5,1.0,0.3,0.9] T=[0,0,0,1,0,1,1,1]
上传时间： 2013-12-18
上传用户：xc216
Implementation of Edmonds Karp algorithm that calculates maxFlow of graph. Input: For each test case, the first line contains the number of vertices (n) and the number of arcs (m). Then, there exist m lines, one for each arc (source vertex, ending vertex and arc weight, separated by a space). The nodes are numbered from 1 to n. The node 1 and node n should be in different sets. There are no more than 30 arcs and 15 nodes. The arc weights vary between 1 and 1 000 000. Output: The output is a single line for each case, with the corresponding minimum size cut. Example: Input: 7 11 1 2 3 1 4 3 2 3 4 3 1 3 3 4 1 3 5 2 4 6 6 4 5 2 5 2 1 5 7 1 6 7 9 Output: 5
标签： Implementation calculates algorithm Edmonds
上传时间： 2014-01-04
上传用户：kiklkook
实验目的：用c语言对一个简单语言的子集编制一个一遍扫描的编译程序，以加深对编译原理的理解,掌握编译程序的实现方法和技术。 c.1词法分析 c.1.1实验目的 设计、编制并调试一个词法分析程序，加深对词法分析原理的理解。 c.1.2实验要求 c.1.2.1待分析的简单语言的词法 (1) 关键字： begin if then while do end --------有实验报告+.cpp+分析
上传时间： 2013-12-23
上传用户：z754970244
1.RON1307系列模组简介 ………………………………………………………………………………3 1.1.模组说明 …………………………………………………………………………………………3 1.2.性能性能 …………………………………………………………………………………………3 1.3.应用市场 …………………………………………………………………………………………3 1.4.产品图片 …………………………………………………………………………………………3 2.RON1307系列模组电器参数 …………………………………………………………………………4 2.1.模组接线图及引脚描述 …………………………………………………………………………4 2.2.模组电器参数 ……………………………………………………………………………………4 3.RON1307系列模组使用说明……………………………………………………………………………7 3.1.RON1307系列无线模组工作模式设置……………………………………………………………7 3.2.RON1307系列无线模组调制类型设置……………………………………………………………7 3.3.RON1307系列无线模组传输数据模式设置………………………………………………………7 3.4.RON1307系列无线模组功率设置…………………………………………………………………8 4.RON1307系列模组参考软件……………………………………………………………………………9 5.RON1307无线模组常见问题……………………………………………………………………………11
上传时间： 2015-06-11
上传用户：10th
共轭梯度法为求解线性方程组而提出。后来，人们把这种方法用于求解无约束最优化问题， 使之成为一种重要的最优化方法。 共轭梯度法的基本思想是把共轭性与最速下降方法相结合， 利用已知点处的梯度构造一组共 轭方向， 并沿这组方向进行搜索， 求出目标函数的极小点。 根据共轭方向的基本性质， 这种 方法具有二次终止性。 在各种优化算法中， 共轭梯度法是非常重要的一种。 其优点是所需存 储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。 共轭方向 无约束最优化方法的核心问题是选择搜索方向 . 在本次实验中 , 我们运用基于共轭方向的一种 算法 — 共轭梯度法 三．算法流程图： 四．实验结果： (1). 实验函数 f=(3*x1-cos(x2*x3)-1/2)^2+(x1^2-81*(x2+0.1)+sin(x3)+1.06)^2+(exp(-x1*x2)+20*x3+ 1/3*(10*3.14159-3))^2; 给定初始点 (0,0,0) ， k=1 ，最 大迭代次数 n d 确定搜索方向 进 退 法 确 定 搜 索 区 间 分割法确定最 优步长
上传时间： 2016-05-08
上传用户：saren11
% 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
msp430The LDC1312 and LDC1314 are 2- and 4-channel, 1• Easy-to-use – minimal configuration required 12-bit inductance to digital converters (LDCs) for • Measure up to 4 sensors with one IC inductive sensing solutions. With multiple channels • Multiple channels support environmental and and support for remote sensing, the LDC1312 and aging compensation LDC1314 enable the performance and reliability benefits of inductive sensing to be realized at minimal• Multi-channel remote sensing provides lowest cost and power. The products are easy to use, onlysystem cost requiring that the sensor frequency be within 1 kHz • Pin-compatible medium and high-resolution and 10 MHz to begin sensing. The wide 1 kHz to 10 options MHz sensor frequency range also enables use of very small PCB coils, further reducing sensing– LDC1312/4: 2/4-ch 12-bit LDC solution cost and size.– LDC1612/4: 2/4-ch 28
上传时间： 2016-07-22
上传用户：tongmoonsky
LED 一般是恒流操作的，如何改变 LED 的亮度呢？答案就是 PWM 控制。在一定的 频率的方波中，调整高电平和低电平的占空比，即可实现。比如我们用低电平点亮一个 LED 灯，我们假设把一个频率周期分为 10 个时间等份，如果方波中的高低电平占空比是 9：1， 这是就是一个比较暗的亮度，如果方波中高低电平占空比是 10：0，这时，全部是高电平， 灯是灭的。如果占空比是 5：5，就是一个中间亮度，如果高低比是 1：9，是一个比较亮的 亮度，如果高低是 0：10，这时全部是低电平，就是最亮的。 实际上应用中，电视屏幕墙中的几十百万 LED 象素都是这样控制的，而且每一个象素 都有红绿蓝 3 个 LED，每个 LED 可以变化的亮度是几百到几万或者更多的级别，以实现真 彩色的显示。还有在您的手机中，背光灯的亮度如果是可以变化的，也应该是这种工作方式。 目前的城市彩灯也有很多都使用了 LED，需要控制亮度是也是 PWM 控制。 下面来分析我们的例程，在这个例程中，我们将定时器 2 溢出定为 1/1200 秒。每 10 次脉冲输出一个 120HZ 频率。这每 10 次脉冲再用来控制高低电平的 10 个比值。这样，在 每个 1/120 秒的方波周期中，我们都可以改变方波的输出占空比，从而控制 LED 灯的 10 个 级别的亮度。 为什么输出方波的频率要 120HZ 这么高？因为如果频率太低，人眼就会看到闪烁感 觉。一般起码要在 60HZ 以上才感觉好点，120HZ 就基本上看不到闪烁，只能看到亮度的变 化了。 下面请看程序，程序中有比较多的注释： ――――――――――――――――――――――― #define uchar unsigned char //定义一下方便使用 #define uint unsigned int #define ulong unsigned long #include <reg52.h> //包括一个 52 标准内核的头文件 sbit P10 = P1^0; //要控制的 LED 灯 sbit K1= P3^2; //按键 K1 uchar scale;//用于保存占空比的输出 0 的时间份额,总共 10 份 char code dx516[3] _at_ 0x003b;//这是为了仿真设置的 //模拟 PWM 输出控制灯的 10 个亮度级别 void main(void) // 主程序 { uint n; RCAP2H =0xF3; //赋 T2 的预置值，溢出 1 次是 1/1200 秒钟 RCAP2L =0x98; TR2=1; //启动定时器 ET2=1; //打开定时器 2 中断 EA=1; //打开总中断 while(1) //程序循环 { ;//主程序在这里就不断自循环，实际应用中，这里是做主要工作 for(n=0;n<50000;n++); //每过一会儿就自动加一个档次的亮度 scale++; if(scale==10)scale=0; } } //1/1200 秒定时器 2 中断 timer2() interrupt 5 { static uchar tt; //tt 用来保存当前时间在一秒中的比例位置 TF2=0; tt++; if(tt==10) //每 1/120 秒整开始输出低电平 { tt=0; if(scale!=0) //这里加这一句是为了消除灭灯状态产生的鬼影 P10=0; } if(scale==tt) //按照当前占空比切换输出高电平 P10=1; } ―――――――――――――――――― 在主程序中，每延时一段时间，就自动换一个占空比，以使亮度自动变化，方便观察。 编译，运行，看结果。 可以看到，LED 的亮度以每种亮度 1 秒左右不断变化，共有 10 个级别。
上传时间： 2017-11-06
上传用户：szcyclone
任务1：以算法5.3创建二叉树的存储结构，树的具体形态自定。 任务2：对任务1中的二叉树T分别实现先序、中序、后序遍历（递归实现）和中序遍历的非递归实现以及层序遍历； 任务3：统计1中二叉树T的结点总数、叶子结点总数以及T的高度； 任务4：交换1中二叉树T的所有结点的左右子树，并对交换后的二叉树重新进行中序遍历（和任务2中的中序遍历结果对比，你有什么发现？）。
上传时间： 2018-07-03
上传用户：MOOMWHITE
function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta) %[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta) %该函数用有限差分法求解有两种介质的正方形区域的二维拉普拉斯方程的数值解 %函数返回迭代因子、迭代次数以及迭代完成后所求区域内网格节点处的值 %a为正方形求解区域的边长 %r1,r2分别表示两种介质的电导率 %up,under分别为上下边界值 %num表示将区域每边的网格剖分个数 %deta为迭代过程中所允许的相对误差限 n=num+1; %每边节点数 U(n,n)=0; %节点处数值矩阵 N=0; %迭代次数初值 alpha=2/(1+sin(pi/num));%超松弛迭代因子 k=r1/r2; %两介质电导率之比 U(1,1:n)=up; %求解区域上边界第一类边界条件 U(n,1:n)=under; %求解区域下边界第一类边界条件 U(2:num,1)=0;U(2:num,n)=0; for i=2:num U(i,2:num)=up-(up-under)/num*(i-1);%采用线性赋值对上下边界之间的节点赋迭代初值 end G=1; while G>0 %迭代条件：不满足相对误差限要求的节点数目G不为零 Un=U; %完成第n次迭代后所有节点处的值 G=0; %每完成一次迭代将不满足相对误差限要求的节点数目归零 for j=1:n for i=2:num U1=U(i,j); %第n次迭代时网格节点处的值 if j==1 %第n+1次迭代左边界第二类边界条件 U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j)); end if (j>1)&&(j U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j)); U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的网格节点处的值 end if i==n+1-j %第n+1次迭代两介质分界面（与网格对角线重合）第二类边界条件 U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1))); end if j==n %第n+1次迭代右边界第二类边界条件 U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j)); end end end N=N+1 %显示迭代次数 Un1=U; %完成第n+1次迭代后所有节点处的值 err=abs((Un1-Un)./Un1);%第n+1次迭代与第n次迭代所有节点值的相对误差 err(1,1:n)=0; %上边界节点相对误差置零 err(n,1:n)=0; %下边界节点相对误差置零 G=sum(sum(err>deta))%显示每次迭代后不满足相对误差限要求的节点数目G end
标签： 有限差分
上传时间： 2018-07-13
上传用户：Kemin
