搜索资源列表
H.265_X86_DEMO
- ZPAV（小名H265），凝集 形态，分形，模糊，小波，数字图象处理学 等数学精华， 我 感受到了她的威猛的能量，听到了她的呐喊！她如春雷， 震撼着 单薄数学（DCT+ME+HUFFMAN等）的MPEGxx和H26xx的古老统治！ ZPAV (H.265) 基本算法 ：V0,V6 用了 二维小波；V8 用了 三维小波；V9 用了 四维小波； P帧（ME） 使用了 小波域运动估计；声音(A0,A6,A8,A9), 运动矢量（MV） 使用了 广义小波。 Z
zn01
- 用Ziegler--Nichols整定公式来求P,PI,PID的个参数，其中Gc是校正器的传递函数,kp为比例系数， Ti为积分时间常数，Td为微分时间常数，输入参量vars为带迟滞--惯性环节模型的KT τ-With Ziegler- Nichols tuning formula to seek P, PI, PID' s parameters, which Gc is the corrector transfer function, kp is proportional coeffic
zn02
- 用稳定边界法整定公式来求P,PI,PID的个参数，其中G是已知被校正系统的开环传递函数,kp为比例系数， Ti为积分时间常数，Td为微分时间常数，输入参量Gc为校正器传递函数，p为系统开环极点的个数（不计重根个数，即多重根只计一个根）-With the Stable Boundary tuning formula seeking P, PI, PID' s parameters, of which G is known to be corrected and the system of o
inmin01
- 用积分最小值准则来求P,PI,PID的个参数，其中Gc是校正器的传递函数,kp为比例系数， Ti为积分时间常数，Td为微分时间常数，输入参量vars为带迟滞--惯性环节模型的[K T τ]，已知参数k=vars（1）；T=vars（2）；ι=vars（3）,iC=vars(4) -Minimum criteria of integral seeking P, PI, PID' s parameters, which Gc is the corrector transfer function
cc01
- 用Cohen--Coon整定公式来求P,PI,PID的个参数，其中Gc是校正器的传递函数,kp为比例系数， Ti为积分时间常数，Td为微分时间常数，输入参量vars为带迟滞--惯性环节模型的KT τ 输入参量vars为带迟滞--惯性环节的K T ι，已知参数k=vars（1）；T=vars（2）；ι=vars（3）。-With Cohen- Coon tuning formula to seek P, PI, PID' s parameters, which Gc is the corre
NetSimulator
- 本课题假设ti为广播基站数据包(单位数据包大小为512bits)的发布时刻，令发布时间间隔Xi = ti - ti-1 (i=0, 1, 2, …)，t0 = 0，则任意Xi满足负指数分布： p{Xi ≥ t} = p0(t) = , t ≥ 0 或者 p{Xi < t} = 1-p0(t) =1- , t ≥ 0 该负指数分布的广播包发布时间间隔的均值为1/λ。 假设处理一个数据包的时间为0.05s，令λ分别等于5Kbps和1Kbps时，在100s时间内，求出数据包的平均队长
Nhận dạng âm thanh
- Nhận dạng tiếng nói từ loa trực tiếp laptop
vetieptuyen(thamkhao
- here is a program draw tiế p tuyế n above MATLAB
ecgsyn
- ECG waveform generator for MATLAB [s, ipeaks] = ecgsyn(sfecg,N,Anoise,hrmean,hrstd,lfhfratio,sfint,ti,ai,bi) Produces synthetic ECG with the following outputs: s: ECG (mV) ipeaks: labels for PQRST peaks: P(1), Q(2), R(3), S(4)
svc_tcsc
- it is a single machine connected ti infinity bus with SVC & TCSC & P-it is a single machine connected ti infinity bus with SVC & TCSC & PSS
BPNN
- 前向型神经网络(BPNN) 1.首先使用随机函数对每一层间的连接权值矩阵和偏置向量进行随机初始化. 2.依次使用一个训练样本对网络进行训练，并按照上面的公式计算每个样本的Δti,t 1,...,T− 1 3.训练p个样本后(一次batch)，按照更新方程对W与b进行更新. 4.重复步骤2～3，直到误差小于设定的阈值或者达到设定的batch次数.-Forward neural network (BPNN) 1. First, using a random function
用Z-N法实现P，PI，PID控制的参数整定
- 用MATLAB程序软件完成Z-N法对控制器的参数整定，实现P,PI,PID控制器的分别参数整定，并求出控制器的控制参数Kp，Ti，Td。最后绘制出不同控制器控制下的及参数整定前后的单位阶跃响应图进行比较。(MATLAB program software is used to complete the parameter tuning of the controller by Z-N method. The parameters of P, PI, PID controller are adjus