您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. C++ Builder 类比时钟

  2. C++ Builder 写的一个类比时钟小程序, 可以定时 到点有声音提示
  3. 所属分类:其它

    • 发布日期:2011-03-15
    • 文件大小:357376
    • 提供者:wangcftxz
  1. CMOS摄像头\数字图像采集与高速传输部件的研究

  2. 摄像头早期的CMOS是一块单独的芯片MC146818A(DIP封装),共有64个字节存放系统信息。386以后的微机一般将 MC146818A芯片集成到其它的IC芯片中(如82C206,PQFP封装),586以后主板上更是将CMOS与系统实时时钟和后备电池集成到一块叫做DALLDA DS1287的芯片中。随着微机的发展、可设置参数的增多,现在的CMOS RAM一般都有128字节及至256字节的容量。为保持兼容性,各BIOS厂商都将自己的BIOS中关于CMOS RAM的前64字节内容的设置统一与M
  3. 所属分类:硬件开发

    • 发布日期:2011-10-05
    • 文件大小:37748736
    • 提供者:zhangzhangjiji
  1. 关于10Gbps色散补偿相关技术

  2. 虽然当今的网络仍然工作在2.5Gbps的传输速率上,但是越来越多的运营商正在向10Gbps转移,同时在关注着更高速的40Gbps甚至100Gbps技术。不过对这种高速传输而言,色散,也就是由于不同波长的传输速度不同造成的信号展宽,是一个巨大的障碍。有几个公司声称他们已经研究开发出了新的色散补偿技术,使用光学或者电子技术来解决色散补偿的问题。小熊在线www.beareyes.com.cn 光学色散补偿技术和电子 色散补偿技术 目前的色散补偿技术多数是使用一捆捆的色散补偿光纤,但是这种光纤既贵效率
  3. 所属分类:网络基础

    • 发布日期:2009-02-05
    • 文件大小:32768
    • 提供者:lion248
  1. OHO:在线超参数优化-源码

  2. 通过实时循环学习进行在线超参数优化 Daniel Jiwoong Im,Cristina Savin和Kyunghyun Cho提供的在线超参数优化(OHO)代码的Pytorch实现一种在线超参数优化算法,在理论上和实践上都渐近精确且在计算上易于处理。 我们的框架利用了递归神经网络(RNN)中超参数优化和参数学习之间的类比。 它为RNN改编了经过广泛研究的在线学习算法系列,可同时调整超参数和网络参数,而无需反复进行迭代优化。 与标准方法相比,此过程可在较短的时钟时间上系统地产生更好的泛化性能。
  3. 所属分类:其它

    • 发布日期:2021-02-17
    • 文件大小:84992
    • 提供者:weixin_42128558