注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 多项式求和求积的顺序表实现（有所欠缺）

  2. 基本上利用顺序表实现了多项式的求和与求积运算。但是在求积算法上不够精炼.........

  3. 所属分类：其它

    • 发布日期：2009-06-18
    • 文件大小：4096
    • 提供者：zhouhanjiang

  1. 多项式求和与求积

  2. 刚做的实验...有些简陋。初次上传

  3. 所属分类：专业指导

    • 发布日期：2008-03-20
    • 文件大小：975
    • 提供者：ztz87

  1. 数据结构实验--链表进行多项式求和与求积

  2. 数据结构实验--链表进行多项式求和与求积 数据结构实验--链表进行多项式求和与求积 数据结构实验--链表进行多项式求和与求积 数据结构实验--链表进行多项式求和与求积 数据结构实验--链表进行多项式求和与求积

  3. 所属分类：C/C++

    • 发布日期：2011-04-04
    • 文件大小：44032
    • 提供者：zhuifenging

  1. 线性卷积与圆周卷积

  2. 动态演示两个序列进行圆周卷积x1(n)⊙x2 (n)的过程，要求动态演示翻转、移位、乘积、求和的过程；圆周卷积默认使用两个序列中的最大长度，但卷积前可以指定卷积长度N用以进行混叠分析；

  3. 所属分类：专业指导

    • 发布日期：2013-01-05
    • 文件大小：35840
    • 提供者：wdh199024

  1. 编程求两个非常大的数的和与积

  2. C++编程求两个极大的数的和与积。建议用MinGW Developer Studio运行，用vc6.0的话会有一点小错误就是vc不支持string::clear()，改改就好了 此资源是word文档包括详细的思路和运行结果，直接粘贴里面的程序就可以了

  3. 所属分类：C/C++

    • 发布日期：2014-06-26
    • 文件大小：84992
    • 提供者：u010841352

  1. Excel公式与函数大辞典.宋翔(带书签高清文字版).pdf

  2. 本书从函数功能、函数格式、参数说明、注意事项、Excel 版本提醒、案例应用、交叉参考7 个方面，全面、细致地介绍了Excel 2016/2013/2010/2007/2003 中公式和函数的使用方法、实际应用和操作技巧。最后3 章还将公式与函数的应用扩展到了条件格式、数据验证及图表中，以便使它们发挥更强大的功能。本书采用理论与实践相结合的方式，提供了457 个案例，涉及多个行业，读者可以根据书中的案例举一反三，将其直接应用到实际工作中，有效提高学习效果与实际应用能力。 本书既可以作为函数速查工

  3. 所属分类：其它

    • 发布日期：2019-03-02
    • 文件大小：23068672
    • 提供者：kxjrzyk

  1. 一元多项式求和与求积

  2. 有两个指数递减的一元多项式，写一程序先求这两个多项式的和，再求它们的积。 基本要求：用带表头结点的单链表作为多项式的存储表示；要建立两个单链表；多项式相加就是要把一个单链表中的结点插入到另一个单链表中去，要注意插入、删除操作中指针的正确修改。

  3. 所属分类：其它

    • 发布日期：2010-11-05
    • 文件大小：1048576
    • 提供者：loveyulinlele

  1. 基于FPGA的高速流水线浮点乘法器设计与实现

  2. 设计了一种支持IEEE754浮点标准的32位高速流水线结构浮点乘法器。该乘法器采用新型的基4布思算法，改进的4:2压缩结构和部分积求和电路，完成Carry Save形式的部分积压缩，再由Carry Look-ahead加法器求得乘积。时序仿真结果表明该乘法器可稳定运行在80M的频率上，并已成功运用在浮点FFT处理器中。

  3. 所属分类：其它

    • 发布日期：2020-08-07
    • 文件大小：416768
    • 提供者：weixin_38546817

  1. 利用卷积神经网络支持向量回归机的地区负荷聚类集成预测_沈兆轩.pdf

  2. 为提高地区负荷预测的运算效率和预测精度，本文提 出了一种基于卷积神经网络支持向量回归机的地区负荷聚类 集成预测方法。首先，通过聚类模型对地区内大量用户的真 实负荷数据进行分组并分析了不同聚类模型的效果。其次， 使用得到的聚类分组标签将用户数据分组集成并构建训练数 据。然后，基于改进的卷积神经网络构建了卷积神经网络支 持向量回归机模型。最后，分组进行负荷预测并将预测结果 求和得到地区最终预测月负荷，并与卷积神经网络模型、长 短期记忆神经网络模型、决策树模型、支持向量回归机模型 进行对比。本文使用扬

  3. 所属分类：讲义

    • 发布日期：2020-09-03
    • 文件大小：684032
    • 提供者：SparkQiang

  1. 通信与网络中的L-DACS1 中多速率卷积编码器的设计与FPGA 实现

  2. 摘要：在L波段数字航空通信系统（L-DACS1 ）中，不同类型的数据采用不同速率传输，为了降低信道的噪声和畸变与多普勒频移的影响，采用具有良好差错控制能力的多速率卷积编码进行信道纠错.通过利用Verilog HDL硬件描述语言完成其FPGA实现与验证，测试结果表明多速率卷积编码器可以实时地调整码率，高效稳定地进行差错控制，满足L-DACS1 高速传输仍保持稳定的要求，并且用于实际项目中. 　　0 引言为了解决地-空的数据传输业务增长而带来的高通信速度要求和高宽带要求问题，国际民航组织（ICAO

  3. 所属分类：其它

    • 发布日期：2020-10-20
    • 文件大小：212992
    • 提供者：weixin_38573171

  1. 基于FPGA的高速流水线浮点乘法器设计与实现

  2. 设计了一种支持IEEE754浮点标准的32位高速流水线结构浮点乘法器。该乘法器采用新型的基4布思算法，改进的4:2压缩结构和部分积求和电路，完成Carry Save形式的部分积压缩，再由Carry Look-ahead加法器求得乘积。时序仿真结果表明该乘法器可稳定运行在80M的频率上，并已成功运用在浮点FFT处理器中。

  3. 所属分类：其它

    • 发布日期：2020-10-20
    • 文件大小：419840
    • 提供者：weixin_38699492

  1. 单片机与DSP中的Renesas 矩阵架构的大规模平行处理器

  2. 日前，瑞萨科技公司（Renesas Technology Corp.）宣布，已开发出一种适用于图像和音频多媒体数据处理的基于矩阵架构的大规模平行处理器。 这款创新配置的处理器是一个大规模平行可编程的器件*1，具有紧凑的2,048个处理单元和1Mb SRAM，它可以在200MHz的时钟频率下实现40GOPS（每秒运行10亿次）的性能。 瑞萨科技的研究人员在于2月5日开始在旧金山举行的2006年IEEE国际固态电路会议（ISSCC）上披露了该器件的细节。 图像和音频多媒体数据处理能力对数字家电和

  3. 所属分类：其它

    • 发布日期：2020-12-09
    • 文件大小：69632
    • 提供者：weixin_38691194

  1. 计算图，动态图与静态图

  2. 计算图   计算图是用来描述运算的有向无环图。计算图有两个主要元素：结点（Node） 和边（Edge）。结点表示数据，如向量，矩阵，张量；边表示运算，如加减乘除卷积等。 用计算图表示 y = ( x + w) * ( w + 1 ) 　　拆分成 a = x + w ;b = w + 1 ;y = a * b y对w求导，相当于找到计算图中所有y到w的路径，路径上的导数求积，路径间求和  ∂y∂w=∂y∂a∂a∂w+∂y∂b∂b∂w=b×1+a×1=b+a=(w+1)+(x+w)=2×w+x+

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：51200
    • 提供者：weixin_38546789

  1. 《动手学深度学习——卷积神经网络、LeNet、卷积神经网络进阶》笔记

  2. 动手学深度学习：卷积神经网络，LeNet，卷积神经网络进阶 卷积神经网络基础 目录： 1、卷积神经网络的基础概念 2、卷积层和池化层 3、填充、步幅、输入通道和输出通道 4、卷积层的简洁实现 5、池化层的简洁实现 1、卷积神经网络的基础概念 最常见的二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：135168
    • 提供者：weixin_38630571

  1. 卷积神经网络和机器翻译笔记

  2. 卷积神经网络基础笔记 二维卷积层 本节介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影部分分别是输入的第一个计算区域

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：556032
    • 提供者：weixin_38742421

  1. pytorch实现task5——卷积神经网络基础；leNet；卷积神经网络进阶

  2. 卷积神经网络基础 卷积神经网络包括卷积层和池化层。 二维卷积层 最常见的是二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影部分分别是输入

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：61440
    • 提供者：weixin_38666300

  1. Task05：卷积神经网络基础；leNet；卷积神经网络进阶 学习笔记

  2. 卷积神经网络基础 本节我们介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 二维卷积层 本节介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：153600
    • 提供者：weixin_38628830

  1. Deep_Learning_Task05: 卷积神经网络(CNN)/LeNet

  2. 卷积神经网络基础 二维互相关运算* 二维互相关（cross-correlation）运算的输入是一个二维输入数组和以和二维核数组，输出也是一个二维数组，其中核数组通常成为卷积和或滤波器（filter），卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素 import torch import torch.nn as nn def corr2d(X, K): H, W = X.shape

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：351232
    • 提供者：weixin_38663544

  1. 卷积神经网络笔记

  2. 一、二维卷积层（用于处理图像数据） 1.二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与 该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。 2.二维卷积层 二维卷积层将输入和卷积核做互相关运算，并加上一个标量偏置来得到输出。卷积层的模型参数包括卷积核和标量偏置。 3.互

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：48128
    • 提供者：weixin_38567813

  1. 卷积神经网络基础与经典模型-Task4

  2. 1. 卷积神经网络基础 从本节讲解才知道，卷积神经网络中的Conv2d函数中，实现的滤波器与图像element-wise相乘并累加其实是互相关运算，二维互相关的解释如下： 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：156672
    • 提供者：weixin_38727579
« 12 3 4 5 6 7 8 »