1.包括广义互相关时延估计GCC几种加权方式(Roth加权、SCOT加权、PHAT加权、ML加权)的详细代码(MATLAB) 2.代码有很详细的注释,很有参考价值,每一种加权方法都有详细的代码 3.希望能帮助大家更好的理解广义互相关时延估计
2024-05-09 20:13:44 92KB matlab GCC 时延估计 Roth
1
matlab实现灰度图像的混沌加解密,利用混沌加密序列对图像进行加密,这样能有效防止图像被被人窃取
2024-05-08 17:21:18 719B
1
利用脚本进行加域,摆脱繁琐的日常工作。 我们都知道规模稍微大一点的企业公司为了便于计算机的管理, 可能都上了微软的域控制器,那么肯定就会存在这么一个问题, 不断的会有计算机加入或者是退出域控制器, 而这个过程实在是太繁琐了,需要不断的重复以下操作 1、右键点击“此电脑”,选择属性 2、在出现的界面中,“计算机名、域和工作组设置”中点击“更改设置” 3、在出现的界面中,继续选择“更改” 4、在计算机名/域更改的界面中,更改计算机名和域控名称(如果需要填写序列号,那又长又臭的字符串简直是要命) 5、弹出认证窗口后输入域控账号和密码,点击“确定”重启电脑 如果这个工作是你做的话,我不知道你会有什么感受, 反正如果是我的话,我内心是抗拒的,可能是因为西瓜皮太懒,很讨厌繁琐且重复性的工作, 于是我就在想,如何能减少这种重复性工作提升效率呢? 是否可以实现一键自动修改计算机名和自动帮你加入域控且自动重启呢?
2024-05-06 15:27:36 1KB 运维 powershell 脚本
1
本文深入探讨了如何利用深度学习技术对Python程序进行预测。我们将重点介绍CNN-GRU-Attention模型,这是一种结合了卷积神经网络(CNN)、门控循环单元(GRU)和注意力机制的先进模型。文章将从模型的理论基础出发,逐步引导读者理解其工作原理,并提供实际的代码示例,展示如何在Python中实现这一模型。内容适合对深度学习和自然语言处理有一定了解的开发者,以及对使用机器学习技术进行代码预测感兴趣的研究人员。 适用人群: - 机器学习工程师 - 数据科学家 - Python开发者 - 自然语言处理研究人员 使用场景: - 代码自动补全和预测 - 程序错误检测和调试 - 软件开发中的智能辅助工具 关键词 深度学习
2024-05-03 16:50:27 1.37MB python
1
12.0这个版本是目前最新无限制版,试过很多都是二次收费的,不会装或者有问题的可以问我,但不要自己不懂就在这里喷我,说我的资源不行之类的!
2024-05-01 15:26:46 182.52MB 无二次收费
1
给病毒加壳!!!!!!!!!!!!!!!!!!!!!!!!
2024-04-26 22:41:05 1.11MB
1
基于定子磁链定向矢量控制的DFIG空载并网模型,目的是实现定子电压跟随电网电压变化,减小并网冲击电流。 在基础的PI控制基础上加入了模糊控制,动态响应速度快了许多,误差也有所减小。 (传统模型+改进模型+结果比较程序)
2024-04-26 18:20:23 310KB
1
使用Sqlcipher对sqlite数据库进行加解密 使用Sqlcipher对sqlite数据库进行加解密 使用Sqlcipher对sqlite数据库进行加解密 使用Sqlcipher对sqlite数据库进行加解密
2024-04-25 16:30:20 18.26MB android sqlite sqlcipher
1
本文深入探讨了利用多目标粒子群算法进行选址定容优化的方法,特别关注于储能系统在其中的作用与出力分析。文章首先介绍了多目标粒子群算法的基本原理和选址定容问题的背景,接着详细阐述了如何通过该算法解决选址定容过程中的复杂问题,尤其是在考虑储能系统出力的情况下。此外,文章还提供了实际应用案例和效果评估,为读者展示了该方法的实用性和有效性。 适用人群: 本文适合电力系统规划、优化算法研究、储能技术应用等领域的学者、工程师和研究人员阅读。 使用场景: 当读者需要了解或应用多目标粒子群算法来解决选址定容问题,特别是在涉及储能系统出力分析时,本文可作为重要的参考资料。 目标: 本文旨在为读者提供一套完整的、基于多目标粒子群算法的选址定容优化方法,并通过对储能出力的深入分析,帮助读者更好地理解储能系统在选址定容中的重要作用。 关键词: 多目标粒子群算法、选址定容、储能系统、出力分析
2024-04-25 09:42:08 4.32MB matlab 多目标粒子群算法
1
Web应用加壳让它变成Android APP,基于WebView开发安卓应用
2024-04-23 12:44:07 1.1MB webview
1