由于开发时间创促，未对分辨率进行分类考虑，所以强烈推荐1024X768下面运行。 (对于winXP操作系统，可以正常运行，但是会发现速度很慢，具体问题有待解决。对于 其他操作系统有可能出现不可预料的问题) 控制键 1P:方向键 w s a d 开火: j 2P:方向键 上 下 左 右 开火: 小键盘0 本游戏内置15种彩蛋，具有一定趣味性，但需要慢慢体会。 由于为了节约空间，所以去掉了背景图，并把一些图片地效果改低，唯一优点就是小
标签：
上传时间： 2015-01-14
上传用户：kytqcool
最新的支持向量机工具箱，有了它会很方便 1. Find time to write a proper list of things to do! 2. Documentation. 3. Support Vector Regression. 4. Automated model selection. REFERENCES ========== [1] V.N. Vapnik, "The Nature of Statistical Learning Theory", Springer-Verlag, New York, ISBN 0-387-94559-8, 1995. [2] J. C. Platt, "Fast training of support vector machines using sequential minimal optimization", in Advances in Kernel Methods - Support Vector Learning, (Eds) B. Scholkopf, C. Burges, and A. J. Smola, MIT Press, Cambridge, Massachusetts, chapter 12, pp 185-208, 1999. [3] T. Joachims, "Estimating the Generalization Performance of a SVM Efficiently", LS-8 Report 25, Universitat Dortmund, Fachbereich Informatik, 1999.
上传时间： 2013-12-16
上传用户：亚亚娟娟123
Hopfield 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神经元总数 f（）--Sgn（） θi—神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。
上传时间： 2015-03-16
上传用户：JasonC
词法分析程序，可对以下的C源程序进行分析：main() {int a[12] ,sum for(i=1 i<=12 i++) {for(j=1 j<=12 j++)scanf("%d",&a[i][j]) } for(i=12 i>=1 i--){ for(j=12 j>=1 j--){ if(i==j&&i+j==13)sum+=a[i][j] } } printf("%c",sum) }
上传时间： 2013-12-26
上传用户：skhlm
系统资源(r1…rm),共有m类，每类数目为r1…rm。随机产生进程Pi(id,s(j,k)，t),0
上传时间： 2014-01-27
上传用户：天诚24
经典c程序100例==1--10 【程序1】 题目：有1、2、3、4个数字，能组成多少个互不相同且无重复数字的三位数？都是多少？ 1.程序分析：可填在百位、十位、个位的数字都是1、2、3、4。组成所有的排列后再去 掉不满足条件的排列。 2.程序源代码： main() { int i,j,k printf("\n") for(i=1 i<5 i++) ／*以下为三重循环*/ for(j=1 j<5 j++) for (k=1 k<5 k++) { if (i!=k&&i!=j&&j!=k) /*确保i、j、k三位互不相同*/ printf("%d,%d,%d\n",i,j,k) }
上传时间： 2014-01-07
上传用户：lizhizheng88
ADT串的实现:主要包括以下操作：§ copy(s1,s2)把串s1复制到s2 § concat(s,s1,s2)连接S1,S2，结果放在S中 § delete(s,i,j)将串s中从第i个字符开始的连续j个字符删除，如果i+j>s.len则一直删除到串尾 § insert(s,s1,i)将串S1插入串S的第i个字符后
上传时间： 2013-12-11
上传用户：奇奇奔奔
此为编译原理实验报告 学习消除文法左递规算法，了解消除文法左递规在语法分析中的作用 内含 设计算法 目的 源码 等等.... 算法:消除左递归算法为: （1）把文法G的所有非终结符按任一种顺序排列成P1,P2,…Pn 按此顺序执行 （2）FOR i:=1 TO n DO BEGIN FOR j:=1 DO 把形如Pi→Pjγ的规则改写成 Pi→δ1γ δ2γ … δkγ。其中Pj→δ1 δ2 … δk是关于Pj的所有规则； 消除关于Pi规则的直接左递归性 END （3）化简由（2）所得的文法。即去除那些从开始符号出发永远无法到达的非终结符的 产生规则。
上传时间： 2015-03-29
上传用户：极客
误差分析的方法有多种，例如，威点逊（J. H. Wilkison）针对的计算机的浮点运算提出的“向后误差分析”，这是一种先验估计误差的方法，较以往的“向前误差分析”在矩阵运算的舍入误差估计上有较好的结果，以而使矩阵的误差分析获得了突破性的进展，使不少用向前误差分析难于判定可靠性的数值方法获得新的进展。
标签： 误差分析
上传时间： 2013-12-09
上传用户：FreeSky
调用过程 CM = Confusion_matrix(train_predicts, train_targets) [combining_predicts, errorrate] = combining_NB(DP, test_targets, CM) DP，三维数组，(i,j,k)为第k个样本的DP矩阵 targets 为 0 1 2
标签： combining_predicts Confusion_matrix train_predicts train_targets
上传时间： 2015-04-04
上传用户：it男一枚
