一个理想的放大器，其输出信号应当如实的反映输入信号，即他们尽管在幅度上不同，时间上也可能有延迟，但波形应当是相同的．但是，在实际放大器中，由于种种原因，输入信号不可能与输入信号的波形完全相同，这种现象叫做失真．
放大器产生失真的原因主要有2个：
① 放大器件的工作点进入了特性曲线的非线性区，使输入信号和输出信号不再保持线性关系，这样产生的失真称为非线性失真．
② 放大器的频率特性不好，对输入信号中不同频率成分的增益不同或延时不同，这样产生的失真成为线性失真．
非线性失真产生的主要原因来自2方面：① 晶体管等特性的非线性；② 静态工作等位置设置的不合适或输入信号过大．由于
2022-11-10 18:49:53
44KB
1
Dijkstra的A *算法可视化
以路径查找可视化的形式对Dijkstra的A *算法的原始理解。 在较早的存储库中，我以pygame窗口的形式可视化了路径查找算法，并带有python脚本（可在找到）。 为了以Web格式查看可视化效果，我创建了一个React Web应用程序，该应用程序展示了该算法以及更精美的动画。
这个怎么运作
以下附件是网站的图片，并附有说明和与之配套的网络应用功能的详细概述。
下面是游戏板的图片，以及路径的起点和终点。
下图是用户在启动算法之前通过鼠标输入提交的示例障碍路线的图片。
下图是实际算法的图片，该算法计算了两个节点连接的最短路径。
最后，这是最终产品的图像，即两个节点之间的最短路径
利用的依存关系
React（JSX）
Javascript（用于算法后端）
迪克斯特拉的算法
2022-11-08 16:30:17
11.29MB
1
数字签名简单理解总结+数字签名应用+CA证书的认识
适合于刚刚学习数字签名的本科生研究生，可以作为一个入门题材
里面详细介绍了数字签名主要的应用之一：数字证书，通过实例只管认识数字证书是什么，通俗易懂
2022-11-04 18:00:10
1.79MB
1
主要用于理解深度学习中batch和元素以及特征间的关系。
此处假设batchsize为64，Windowssize为12（即：里面有12个元素），每个样本5个特征，一个标签。
2022-11-03 19:07:26
58KB
1