linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验linux下mySql安装 经典 实验无数次的经验
1
经典 PBGUIControls 框架 界面 pb9版 Advanced GUI Code Example 不用再多做介绍 运行效果 http://hi.csdn.net/attachment/201101/8/0_12944451652jMD.gif
2022-07-26 14:49:30 436KB 经典 PBGUIControls 框架 界面
1
GDI+画图,事件驱动。 使用方法:右键reset按钮出现菜单。其他跟老版扫雷一样。 特色:首发无雷。自适应窗口大小。 源码送上,细节自行研究。
2022-07-26 14:01:10 322KB winform c# gdi/gdi+ event
1
  (7)输出偏差 珘yN =yN -ΦNθ^= [I-ΦTN(ΦTNΦN)-1ΦTN]eN   (8)E珘yN=0,E珘yN珘yTN=σ2[I-ΦN(ΦTNΦN)-1ΦTN]。   以上给出的性质,对随机序列e(k)的概率分布形式未做假设。换句话说,以上得到的结 论不依赖分布的具体形式。如果给e(k)加上正态分布条件,除了仍具有上述性质外,还具有 如下性质: (9)①θ^服从n维正态分布N(θ,σ2(ΦTNΦN)-1); ②θ^与eN=yN-ΦTNθ^独立; ③ (N-n)σ^2/σ2 服从于自由度为(N-n)的χ 2 分布。 (10)①θ^i 服从正态分布N(θi,σ2pii),i=1,…,n。其中θ^i 是参数向量θ的第i个分量;pii 为矩阵(ΦTNΦN)-1的对角线上第i个元素。 ②θ^i 与σ2 独立。 ③θi(i=1,2,…,n)的置信区间为:(θ^i-tασ^ P槡 ii,θ^i+tασ^ p槡ii),其中tα 是自由度为 (N-n)的t分布之α水平的双侧分位数。 2.2.3 逐步回归方法 通常在建立稳态模型时,总是在所有有影响的变量中选一些变量作为自变量,并事先选定 模型的形式(线性的或非线性的),然后再来确定模型的参数。这样确定的模型一般存在两个 问题:一是所选的变量是否合适?也就是说,重要变量是否包含在内、影响小的变量是否排除 在外?另一个问题是模型的形式是否合适? 要解决这些问题,首先就要解决什么样的变量是“重要”的变量。当模型中增加一个变量, 残差平方和就减少,如果这种减少是显著的,则该变量的影响就是大的(重要的),反之影响就 是小(不重要)的。当增加了新的变量后,原来模型中的变量也可能变成不重要的了。因此,为 了恰当地选择变量,同时又尽可能地减少计算量,可以考虑以下做法:将变量一个一个地加到 模型中去,每加入一个新变量都要检验它是否重要,同时也检验原有的变量是否变成不重要的 了,这样一步一步地进行,直到全部的变量都被考察过,就得到了经过筛选的变量和最后的模 型。这样的方法就称为逐步回归算法。这是在建立稳态线性模型时常用的一种方法,具体的 算法可参看相关文献(卢桂章,1981)。 最近的研究已经将逐步回归思想推广到线性参数的非线性模型情况。线性逐步回归仅是 它的一个特例。而且给出了更有效的准则和更简单的计算方法(王秀峰,苏育红,1992;王 秀 ·61·
2022-07-26 11:31:03 2.84MB 系统辨识
1
实验一 统计数字问题 实验二 最大间隙问题 实验三 众数问题 实验四 半数集问题 实验五 集合划分问题 实验六 最少硬币问题 实验七 编辑距离问题 实验八 程序存储问题 实验九 最优服务次序问题 实验十 汽车加油问题 实验十一 工作分配问题 实验十二 0-1背包问题 实验十三 最小重量机器设计问题 实验十四 最小权顶点覆盖问题 实验十五 集合相等问题 实验十六 战车问题
2022-07-25 21:35:30 28KB 算法 acm c
1
炸弹人 这是Bomberman使用强化学习技术“ Q-Learning”的模拟。 请参阅以获取文档。 致谢: 这个想法基于文章“用于迷宫解决的深度强化学习”
2022-07-25 17:22:39 8.33MB python qlearning deep-learning bomberman
1
以cifa-10分类为例,包含train from scratch,Finetune以及固定某些参数不参与训练。 参考neuron-selectivity-transfer,https://github.com/TuSimple/neuron-selectivity-transfer
2022-07-25 17:08:31 209.06MB mxnet transfer
1
经典蓝牙与低功耗蓝牙扫描,连接,传输数据。
2022-07-25 12:03:46 10.99MB bt、ble
1
联合概率数据关联(JPDA) X Y O Z2 Z1 Z3 量测 虚警 目标
2022-07-25 09:20:17 846KB NNDA PAD JPDA
1
最新SEO经典书籍《SEO实战密码—60天网站流量提高20倍》Zac_完整版上.pdf
1