登录
首页 » Others » 跟老男孩学Linux运维:MySQL入门与提高实践.zip

跟老男孩学Linux运维:MySQL入门与提高实践.zip

于 2020-12-05 发布
0 204
下载积分: 1 下载次数: 1

代码说明:

跟老男孩学Linux运维:MySQL入门与提高实践,老男孩出品。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 个基于Matlab的简单的ViBe运动检测的Demo
    纯手工ViBe算法Demo,可以完整运行,很少使用循环计算,速度较快。适合调参数和修改算法使用,也可以直接用来检测现成的图像。有部分注释。
    2020-11-28下载
    积分:1
  • LaTeX命令速查手册!
    LaTeX命令速查手册!灰常详细。必备手册。业界良心!
    2020-12-09下载
    积分:1
  • LDPC的MATLAB译码
    运行ldpc_demo.m即可运行程序,校验矩阵按照基础的G提出的原理生成的,用了高斯变换的到[I P]矩阵,之后译码就是置信译码算法,对于LDPC初学者,可以看完原理后,照着程序一步步理解,这样对理论的实现有进一步认识。
    2020-12-06下载
    积分:1
  • matlab级联STATCOM仿真
    级联多电平STATCOM,SVG仿真模型,学习的好东西。具体的控制就要自己弄了。加油吧
    2020-12-12下载
    积分:1
  • 模糊c-均值聚类算法-matlab实现
    模糊c-均值(FCM)聚类算法在matlab中实现,已测试通过
    2020-12-07下载
    积分:1
  • 以太网控制器 源码 Verilog.rar
    【实例简介】以太网 控制器 源码 Verilog 源程序,蛮复杂
    2021-12-13 00:44:33下载
    积分:1
  • 各种最小二乘法总结(算法+matlab源码)
    10种最小二乘法总结,算法+源码一般最小二乘法遗忘因子最小二乘法限定记忆最小二乘递推算法偏差补偿最小二乘法增广最小二乘法广义最小二乘法辅助变量法二步法多级最小二乘法yule-walker辨识算法盛晓婷最小二乘算法总结报告附录、广义最小二乘递推算法附录、辅助变量法附录步法录、多级最小二乘法附录辨识算法图一般最小二乘参数过渡过程图一般最小二乘方差变化过程图遗忘因子法参数过渡过程图遗忘因子法方差变化过程图限定记忆法参数过渡过程图限定记忆法方差变化过程图偏差补偿最小二乘参数过渡过程图偏差补偿最小二乘方差变化过程图增广最小二乘辨识模型图增广最小二乘参数过渡过程图广义最小二乘参数过渡过程图广义最小二乘方差变化过程图辅助变量法参数过渡过程图辅助变量法方差变化过程图二步法参数过渡过程图二步法方差变化过程盛晓婷最小二乘算法总结报告般最小二乘法例考虑如下仿真对象其中,为服从分布的白噪声。输入信号采用序列,幅度为序列由级移位寄存器产生,选择如下的辨识模型观测数据长度取加权阵取A=。一次计算最小二乘算法其中,程序见附录递推最小二乘算法递推最小二乘算法公式:盛晓婷最小二乘算法总结报告初始条件O经过编程计算,各个参数的估计值为程序见附录_。待估参数过渡过程⊥一-⊥图一般最小二乘参数过渡过程盛晓婷最小二乘算法总结报告估计方差变化过程图般最小二乘方差变化过程盛晓婷最小二乘算法总结报告遗忘因子最小二乘算法采用的辨识模型与例相同。次计算法其中,BβBBBβ衰减因子=,数据长度=程序见附录。递推算法遗忘因子递推最小二乘算法公式+盛晓婷最小二乘算法总结报告其中,≤4≤为遗忘因子,此处取数据长度,初始条件日经过编程计算,各个参数的估计值为程序见附录。待估参数过渡过程图遗忘因子法参数过渡过程盛晓婷最小二乘算法总结报告估计方差变化讨程图遗忘因子法方差变化过程盛晓婷最小二乘算法总结报告限定记忆最小二乘递推算法辨识模型与例相同。限定记忆最小二乘算法:6++=0++++6+初始条件O经过编程计算,各个参数的估计值为程序见附录
    2020-12-07下载
    积分:1
  • 数学分析习课讲义.
    对于学习考研有很大帮助.目录中有连接,点击即可翻页,使用方便.
    2020-12-07下载
    积分:1
  • NET脱壳工具 DLL、exe文件
    NET脱壳工具 DLL、exe文件,net语言万能脱壳工具,大多数混淆代码都可以脱出1
    2020-12-05下载
    积分:1
  • 基于深度学习的图像检索研究
    深度学习(Deep Learning )是近年来提出的一种利用具有多个隐层的深度神经网络(Deep Neural Network,DNN)完成学习任务的机器学习方法。其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
    2020-11-02下载
    积分:1
  • 696518资源总数
  • 105877会员总数
  • 14今日下载