RLS递归最小二乘方自适应算法源程序-rls算法.rar RLS（递归最小二乘方自适应算法源程序）

基于递归神经网络与K折交叉验证的R-RTRL用于多步预测滑坡位移

Tensorflow 2 DA-RNN 的Tensorflow 2（Keras）实现， 论文： : 安装 pip install da-rnn 用法 from da_rnn import ( DARNN ) model = DARNN ( 10 , 64 , 64 ) y_hat = model ( inputs ) Python Docstring符号 在此项目的方法的文档字符串中，我们具有以下表示法约定： variable_{subscript}__{superscript} 例如： y_T__i表示 ，在时间T第i个预测值。 alpha_t__k表示 ，注意权重在时间t测量第k个输入特征（驾驶序列）的重要性。 DARNN（T，m，p，y_dim = 1） 以下（超级）参数的命名与本文一致，但本文未提及的y_dim除外。 T int窗口的长度（时间步长） m in

C#实现汉诺塔（递归）PPt以及程序（汉诺塔及阶乘）

设计问题：有一个 8*8 的方格棋盘（如下图所示），现有一匹马从任意一个位置（方格）出发， 给出一种方案使马走遍棋盘中的每一个方格，且每个方格只走过一次（马走日字）。 程序的输入：输入马的初始位置（相应的坐标）。 程序的输出：马从初始位置走遍棋盘的过程

实现迷宫问题的最优解的递归算法

C/C++:实现迷宫问题的最优解的非递归算法.rar(含完整注释)

文件名：Python笔记—递归 二分法从列表找指定的值. 配合博客地址：https://blog.csdn.net/XianZhe_/article/details/107771584 为在学习Python时所整理制作的笔记文件

光学超级通道多播，将一个超级通道同时复制到单个设备中的多个光谱位置，对于未来的光学网络来说，可能是一种很有前途的功能。 高非线性光纤（HNLF）中的多泵四波混频（FWM）是一种实现超通道多播的有效方法。 但是，如果不仔细配置泵的频率，则生成的副本将在频谱上分散，这将增加控制副本性能和管理频谱资源的难度。 在本文中，我们提出了一种递归泵相加（RPA）方案，该方案使副本的频谱聚合度高于我们以前的指数增长间隔（EGS）泵浦方案。 这种副本聚合技术可以减少远离原始通道的副本的相位不匹配，这对副本的性能很有帮助。 \ {RPA \}方案还为多播提供了副本分配的附加选项。 基于\ {RPA \}方案，我们通过实验证明了5个泵的1到21超通道多播。 与典型的7％前向纠错（FEC）阈值相比，所有副本的Q因子余量均超过2.3 dB。 还研究了\ {RPA \}和\ {EGS \}泵方案之间的性能比较。

信息学奥赛一本通-教程PPT课件（第五版）