搜索资源列表
VxWorks_introduce
- VxWorks操作系统的集成环境叫Tornado。Tornado集成环境提供了高效明晰的图形化的实时应用开发平台，它包括一套完整的面向嵌入式系统的开发和调测工具。Tornado环境采用主机－目标机交叉开发模型，应用程序在主机的Windows环境下编译链接生成可执行文件，下载到目标机，通过主机上的目标服务器（Target Server）与目标机上的目标代理（Target Agent）的通信完成对应用程序的调试、分析-VxWorks operating system called Tornado i
MATLAB 数值计算
- 科研和工程计算可分为数值计算和符号计算两类。数值计算具有适应性强、应用广泛的优点。MATLAB凭借其卓越的数值计算能力而称雄世界。随着科研领域、工程实践的数字化进程的深入，具有数字化本质的数值计算显得愈益重要。 今天计算机几乎已经普及到每个从事工程和科研的从业人员，普及到每个正在接受理工科培养的学生。计算机软硬件的普及使人们拥有了前所未有的计算潜能，激发了人们质疑旧方法尝试新算法的欲望，鼓舞了人们用新计算能力试探解决实际问题的雄心。 本章内容显著不同于常见的数值计算教科书。本章的讨论围绕
xinxihec
- 数据挖掘和知识发现（Data Mining and Knowledge Discovery，DMKD）技术就是在这样的背景下产生的，是在数据库技术、机器学习、人工智能、统计分析、模型逻辑、人工神经网络和专家系统等基础上发展起来的新兴交叉科学，是继网络之后的又一个技术热点。如果将数据库中的大量数据比喻为矿床，则DMKD技术就是从这矿床中挖掘知识的“金块”的工具。由于其诱人的前景和巨大的难道，使得DMKD成为计算机信息处理领域的研究热点和前沿技术。-Data Mining and Knowledge
Solving
- 求解双层规划问题常用的算法有极点算法、直接搜索法、下降法和非数值优化方法(如模拟退火算法、遗传算法等)，遗传算法的求解思路是：首先对上层的决策变量编码，代人下层规划模型，通过求解下层模型的决策变量值，代入上层模型计算适应度值，然后进行交叉、变异、选择操作，最后求出最优解。-Solving Bilevel Programming Problems with pole algorithm commonly used algorithms, direct search method, descent
Genetic-Algorithms
- 这是一个简单的ＧＡ源代码，该系统使用比率选择、精华模型、单点交叉和均与变异-This is a simple GA source code, the system uses the rate selection, the essence of model, and both single-point crossover and mutation
Time-SeriesModelforWirelessFadingChannelsinisotrop
- 这篇文章为随即和非随机的散射环境中造成的信封衰落提供了一个AR模型。它展示了至少需要一个二阶AR过程去建立一个伏在接收信封内在的阻尼正弦自动/交叉相关函数的模型。通过对模拟值的比较得到使用模型可以得到与理论值近似的值。模型基于的仿真过程被用来与JACK仿真器在随机分散事件中作比较。-his work presents an autoregressive (AR) model for fading envelope influenced by isotropic and
wenhuamyl
- 文华财经交叉型模型示范模型 注意CROSS( ,)的使用,将穿越作为交易条件。 这些示范模型,目的在于让大家通过这些举例来学习 如何编写模型，文华不保证模型的盈利效果，也不对这 些模型的交易结果负责。 程序化交易的基石是个性化，就是每一个投资者（ 或机构）根据自己的投资经验和智慧，编写自己的模型， 然后进行电脑自动交易。交易模型的真正价值在于投资 者的投资经验和智慧。 举例来说：文华提供的只是纸墨，但是一张画的价 值却完全取决于画家的画工。-C
the-maximum-likelihood-estimate
- 1、 极大似然估计 尝试用0~24阶多项式拟合，并用5折交叉验证选择最佳模型（多项式阶数及其系数，给出类似课件中的图），并画出最佳模型的拟合效果图（类似图1，蓝色点为训练样本、红色点为测试样本、绿色线为模型预测），给出该模型的测试误差。 2、 岭回归 多项式阶数为24，正则系数λ的取值范围为exp(-19)到exp(20)，采用并用5折交叉验证选择最佳模型。实验结果要求同1。 -1, the maximum likelihood estimate of 0 to 24 try-o
545707614_4_hmm
- HMM模型的参数学习，利用的是Baumwelch方法，进行交叉迭代-HMM model parameter learning, the use of the Baumwelch way cross iteration
melppaper6
- 为了提高深度模型的编码重构性能,本文为传统对比散度(Contrastive divergence,CD)添加了基于交叉熵的重构误差约束。利用改进后的算法训练了重构性深度自编码机(Reconstructive deep au-to-encoder,RDAE),并用 RDAE 替换混合激励线性预测编码(Mixed excitation linear prediction, MELP)语音编码器中 LSF 参数的矢量量化方法。测试结果表明,改进后的算法在损失一定模型似然度的条件下获得了重构性能的提升,
trainnet_cross
- 采用10折交叉验证得到光合速率预测模型，代码中有程序语言的详细注释。(The 90% off cross validation of photosynthetic rate prediction model, the procedures detailed notes in the language code.)