This manuscript is a partial draft of a book to be published in early 1994 by AddisonWesley (ISBN 0-201-63337-X). Addison-Wesley has given me permission to make drafts of the book available to the Tcl community to help meet the need for introductory documentation on Tcl and Tk until the book becomes available. Please observe the restrictions set forth in the copyright notice above: you’re welcome to make a copy for yourself or a friend but any sort of large-scale reproduction or reproduction for profit requires advance permission from Addison-Wesley
标签： Toolkit
上传时间： 2020-07-05
上传用户：
本文档对无刷直流 (BLDC) 电机的使用进行了说明。 虽然可将无刷特点应用 于几种类型的电机（交流同步电机、 步进电机、 开关磁阻电机和交流感应电机） ， BLDC 具有梯形反电动势和（120 电角宽度） 矩形定子电流 的永磁同步机器被广泛使用， 其次， 无刷直流驱动器显示出极高的机械功率密度。这份应用报告涵盖了 280x 控制器和从 BLDC 电机驱动中获得高性能的某些系统注意事项。
上传时间： 2020-10-21
上传用户：
选择文件 X 双色球彩票过滤器 绿色免费版
上传时间： 2020-11-27
上传用户：
选择文件 X 双色球彩票管理系统(LotterySystem)
标签： LotterySystem 双色 管理系统
上传时间： 2020-11-27
上传用户：
题目描述 某人写了n封信，同时为每一封信写1个信封，共n个信封。如果把所有的信都装错了信封，问共有多少种？（这是组合数学中有名的错位问题。著名数学家伯努利(Bernoulli)曾最先考虑此题。后来，欧拉对此题产生了兴趣，称此题是“组合理论的一个妙题”，独立地解出了此题） 试编程求出完全装错情形的所有方式及其总量s。例如，输入n=3，即有3封信需要装入信封，完全装错的一种方式可以表示为312，表示第1封信装入第3个信封，第2封信装入第1个信封，第3封信装入第2个信封。对于n=3，完全装错的方式共有2种，分别是312和231. 输入 输入一个正整数n(2<=n<=6) 输出 输出完全装错情形的所有方式以及装错方式的总量s (每行输出5种方式，一行中的相邻两种方式之间用1个空格隔开。装错方式输出时，从小到大排列，见输出样例)。 样例输入 4 样例输出 2143 2341 2413 3142 3412 3421 4123 4312 4321 s=9
上传时间： 2020-11-30
上传用户：
-file /win8.vdf 镜像文件名，无此参数将搜索当前目录的iso镜像 -dev PciRoot(0x0)/Pci(0x1,0x1)/Ata(Primary,Master,0x0)/HD(3,MBR,0x9553A441,0xEFFF800,0x13FF800) 设备路径，无此参数默认为当前设备 -wait 50 启动前等待 -mem 将镜像载入内存， -type HD 可选CD HD FD,无此参数默认HD镜像类型，类型错了不能启动 -dev AUTO 搜索所有设备
上传时间： 2020-12-20
上传用户：
时间序列多重分形分析，matlab语言。Time series multifractal analysis, MATLAB language.
上传时间： 2020-12-31
上传用户：
机器学习对于改进产品、过程和研究有着很⼤的潜⼒。但是计算机通常无法解释他们的预测，这是采⽤机器学习的障碍。这本书是关于使机器学习模型及其决策可解释的。 在探索了可解释性的概念之后，你将学习简单的、可解释的模型，例如决策树、决策规则和线性回归。后⾯⼏章重点介绍了解释⿊盒模型的模型⽆关的⼀般⽅法，如特征重要性和累积局部效应，以及⽤ Shapley 值和 LIME 解释单个实例预测。 所有的解释⽅法进⾏了深⼊说明和批判性讨论。它们如何在⿊盒下⼯作的？它们的优缺点是什么？ 如何解释它们的输出？本书将使你能够选择并正确应⽤最适合你的机器学习项⽬的解释⽅法。 这本书的重点是表格式数据 (也称为关系数据或结构化数据) 的机器学习模型，较少涉及到计算机 视觉和⾃然语⾔处理任务。建议机器学习从业者、数据科学家、统计学家和任何对使机器学习模型 可解释的⼈阅读本书。
标签： 机器学习
上传时间： 2021-02-08
上传用户：
文献神器V4.0 使用说明 必看！！！通过 DOI 号下载： （该方法比较方便， 但是不一定能够搜索到全部的论文，如果搜索不 到可以结合后面的谷歌学术， SCI-HUB， 知网和百度学术等接口进一步搜索！）
上传时间： 2021-02-09
上传用户：
SI-PNP 60 V 0,6 A 0,6 W 100 MHz
标签： 2N2905
上传时间： 2021-07-02
上传用户：xiangshuai
