搜索资源列表
noncollision
- 实现4×4的数组元素的无冲突的存储，该算法不使用结构体，而直接使用了数组元素与下标之间的关系实现，比较巧妙，16×16可参照类似算法实现。
MATLAB
- 卷积运算：取x(t)和h(t)的长度为nx,nh。平移量n=nh+nx-1，利用for和if语句实现倒序求和运算。外循环用一个for语句实现平移，通过在求和时取数组元素的顺序实现倒序求和
线形方程组求解
- 用Gauss消元法、选列主元的Gauss消元法求线性方程组（1）的解，要求输出增广矩阵的消元变化过程。 用Gauss消元法、选列主元的Gauss消元法求线性方程组（1）的解，要求输出增广矩阵的消元变化过程 42x1+2x2+3x3=3 x1+7x2+7x3=1 -2x1+4x2+5x3=-7 算法思想：Gauss消元法是将线性方程组化为上三角形线性方程组，然后再用一个回代过程求这个上三角形线性方程组的解；选主元的Gauss消元法是在Gauss消元法上增加了选列主元
sort-mpi
- * 算法描述： 分段 -> 段内排序 -> 归约结果。 * 1，根进程读取输入，将元素个数广播给各个进程。 * 2，然后各进程计算段长度和段偏移。 * 3，然后根进程选择第一个段，标记站位符。 * 4，跟进程将剩余元素发送给下一进程，下一进程选择段的同时，根进程排序。 * 5，下一进程继续此过程，直到最后一个进程，所有元素都进行排序。 * 6，进程将排序好的元素，按照段偏移归约给根进程。 * 7，根进程输入结果。 *
3855SVGSymbol
- SVG元素的功能很好的帮助了我们实现这个功能。由于在界面上我们有很多辅助内容，所以只能分出一部区域用来显示地图-SVG elements function very well helped us achieve this function. The interface because we have a lot of auxiliary content, so the separation of a region can only be used to display map
exp1
- 给定正整数n，计算出n个元素的集合{1, 2, , n}可以划分成多少个不同的非空子集。-Given positive integer n, to calculate a collection of n elements (1, 2, , n) can be divided into a number of different nonempty sets.
123
- 用程序设计语言（Visual C++或者C语言）编写一个完整的单片空间后方交会程序，通过对提供的试验数据进行计算，输出像片的外方位元素并评定精度。本实验的目的在于让学生深入理解单片空间后方交会的原理，体会在有多余观测情况下，用最小二乘平差方法编程实现解求影像外方位元素的过程.-Match based on the correlation coefficient
BinarySearch
- 将n个元素分成个数大致相同的两半，取a[n/2]与欲查找的x作比较，如果x=a[n/2]则找到x，算法终止。如果x<a[n/2]，则我们只要在数组a的左半部继续搜索x（这里假设数组元素呈升序排列）。如果x>a[n/2]，则我们只要在数组a的右半部继续搜索x。-Binary Search
parallel-compute.
- 一个基于OpenMp并行编程的实例，基于多线程，多线程比单线程下节省运行时间的典型例子。算法内容主要是计算矩阵乘积，再求个元素和。可通过"任务管理器"-"性能"查看运行在多核上。-Typical example of a parallel programming based OpenMp instance, save run time based on the multi-threaded, multi-threading than single-threaded. The algorithm
jcs
- MPI编程，实现数组中每一个元素加一个常数。-MPI programming, each element in the array plus a constant.
cuda_add_squre
- 本程序计算了一个较大数据量的数组内元素的平方和公式，是学习cuda并行计算的基础-The program calculates the square and the formula array element within a larger amount of data is the basis for learning cuda parallel computing
mult
- CUDA编程下的并行矩阵乘法，每个线程计算一个元素。-Parallel algorithm on Matrix Multiply on CUDA
mpi_array
- 这个程序演示了一个简单的数据分解。主任务首先初始化数组，然后分配相等的部分该数组的其他任务。后的其他任务接收其阵列的一部分，它们执行加法运算，以每个数组元素。-This program demonstrates a simple data decomposition. The master task first initializes an array and then distributes an equal portion that array to the other tasks. Aft
myFirstKernel
- 启动内核--从“myFirstKernel”模板开始。 Part1：使用指针d_a为内核的结果分配设备内存。 Part2：使用1-D的1-D网格来配置和启动内核 线程块。 Part3：让每个线程设置一个d_a的元素，如下所示： idx = blockIdx.x * blockDim.x + threadIdx.x d_a [idx] = 1000 * blockIdx.x + threadIdx.x Part4：将d_a中的结果复制回主机指针h_a。 Part5：验证结果是否正
reverseArray_singleblock
- 反向阵列(单块)-- 给定指针d_a中的输入数组{a0，a1，...，an-1}，将反向数组{an-1，an-2，...，a0}存储在指针d_b中 A: 从“reverseArray_singleblock”模板开始 B: 只有一个线程块启动，以反转一个大小的数组 N = numThreads = 256个元素 C: 第1部分（共1个）：所有你需要做的是实现内核的“reverseArrayBlock（）” D:每个线程将单个元件移动到相反的位置, 从d_a指标读取输入,
mult88
- 两个8*8矩阵相乘，每个矩阵内部元素相同，简化运算；modelsim编译仿真，ise或vivado下载，实现FPGA显示。(Two 8*8 matrix multiplication, each element of the same matrix, simplifying the operation; Modelsim compiler simulation, ISE or vivado download, to achieve FPGA display.)
折半查找法
- 折半查找法是效率较高的一种查找方法。假设有已经按照从小到大的顺序排列好的五个整数a0~a4，要查找的数是X，其基本思想是: 设查找数据的范围下限为l=1，上限为h=5，求中点m=(l+h)/2，用X与中点元素am比较，若X等于am，即找到，停止查找;否则，若X大于am，替换下限l=m+1，到下半段继续查找;若X小于am，换上限h=m-1，到上半段继续查找;如此重复前面的过程直到找到或者l>h为止。如果l>h，说明没有此数，打印找不到信息，程序结束。(The method of bin