nn 源码搜索结果, 第34页, Verysource

模式识别MatLab工具箱，SVM，PCA，ICA，NN等.rar 模式识别matlab工具箱,包括SVM,ICA,PCA,NN等等模式识别算法,很有参考价值
A composite based on {VO3}nn- chain containing two different typ... 基于{VO3}nn-链连接两种有机配体的钒氧簇化合物，王新芳，郭桂玲，The title compound, [Cu(1,10-phen)(en)H2O][Cu(en)2]0.5[V3O9] (1,10-phen = 1,10-phenanthroline, en = ethylenediamine) (1) has been prepared by solution diffusion method. Compound 1
一类随机时滞大系统的自适应NN控制一类随机时滞大系统的自适应NN控制，李靖，李俊民，针对一类随机非线性时滞大系统,采用非线性观测器,结合神经网络和backstepping的设计方法,提出了一种自适应神经网络输出反馈分散控制设
K-NN算法实现.docx 结合实际例题对K-NN算法进行c++代码实现，有分析，有完整实现代码和运行截图，实现有流程图和代码注释便于理解
在$$ \ sqrt {s _ {\ mathrm {NN}}} $$ Pb–Pb碰撞中氘核光谱和椭圆流的测量<math&... ... amp;lt;/ math>）是使用LICE处的ALICE检测器在$$ \ sqrt {s _ {\ mathrm {NN}}} $$ <math> < msqrt> <msub> <mi> s </ mi> <mi> NN </ mi> </ msub> </ msqrt> </ math>
在<math> <msqrt> <msub> <mi> s </ mi> <mi> NN </ mi> </ msu... ... > <msqrt> <msub> <mi> s </ mi> <mi> NN </ mi>的p-Pb碰撞中测量了重味强子衰变产生的电子产生的多重 ... > </ msub> </ msqrt> </ math> $$ \ sqrt {s _ {\ mathrm {NN}}} $$ = 5.02 TeV，使用LHC上的ALICE检测器。该测量在质心速度间隔-1.07 ...
在sNN = 5.02 $$ \ sqrt {s _ {\ mathrm {NN}}} = 5.02 $$和8.16 TeV的质... 给出了在核子-核子质心能量sNN = 5.02 $$ \ sqrt {s _ {\ mathrm {NN}}} = 5.02 $$和8.16 TeV的质子-铅碰撞中带电强子的假快速分布。这些测量结果是基于大型强子对撞机（ ... （stat）±0.59（syst）和20.10±0.01（stat）±0.85（syst），sNN = 5.02 $$ \ sqrt {s _ {\ mathrm {NN}}} = 5.02 $$和8.16 TeV，分别。将每个参与核子的粒子密度与质子-质子，质子-核和核-核碰撞中的 ...
N = 5.02 $$ {\ sqrt {s}} _ {\ mathrm {NN}} = 5.02 $$ TeV下，p-Pb碰撞... 研究了（（2S）charm态的包容性产生与质子能s NN = 5.02的核子-核子中心p-Pb碰撞中中心性的函数关系。\ {\ sqrt {s}} _ {\ mathrm { NN}} = 5.02 $$ CV在CERN LHC。用ALICE检测器在质量速度范围-4的中心进行测量。 46 <y cms <-2。 96和2。 03 <y cms & ...
s N N = 2.76 $$ \ sqrt {s _ {\ mathrm {NN}}} = 2.76 $$ TeV下，PbPb... ... 相关性变化研究了夸克-胶子等离子体。该分析使用来自PbPb和pp碰撞的数据集，其综合亮度分别为166μb -1和5.3 pb -1，在s NN = 2.76 $$ \ sqrt {s _ {\ mathrm {NN}}} = 2.76 $ $ TeV。研究带电粒子的角度分布是相对于伪射流率（Δη）和相对于重构射流方向的相对方位角（Δ）的函数。在选择背对背双喷射事件时，带电 ...
CMSIS-NN.7z 点一下玩一年，CMSIS-NN+stm32F7系列创造轻量化神经网络，将性能提升近5倍。目前，在许多需要在本地进行数据分析的“永远在线”的物联网边缘设备中，神经网络正在变得越来越普及，主要是因为可以有效 ... 导致的延时和功耗。而谈到针对物联网边缘设备上的神经网络，我们自然会想到Arm Cortex-M系列处理器内核，那么如果您想要强化它的性能并且减少内存消耗，CMSIS-NN就是您最好的选择。基于CMSIS-NN内核的神经网络推理运算，对于运行时间/吞吐量将会有4.6X的提升，而对于能效将有4.9X的提升。

关键字：nn