Advertisement

DE 405_JPL.rar

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该文件为NASA喷气推进实验室(JPL)关于DE 405的资料集，包含了详细的太阳系天体位置数据和计算模型。 JPL行星历表原来可以从NASA网站下载，但现在无法下载了。该历表包含了header.405、ascp1600.405到as2200.405等文件，每二十年一个文件（原始数据不包括程序）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • DE 405_JPL.rar
    优质
    该文件为NASA喷气推进实验室(JPL)关于DE 405的资料集，包含了详细的太阳系天体位置数据和计算模型。 JPL行星历表原来可以从NASA网站下载，但现在无法下载了。该历表包含了header.405、ascp1600.405到as2200.405等文件，每二十年一个文件（原始数据不包括程序）。
  • In-Situ De-embedding.pdf
    优质
    本文介绍了《In-Situ De-embedding》技术，该方法能够在不移除待测设备的情况下精确测量电子元件的特性参数，适用于高频电路设计中的测试需求。 In-Situ De-embedding是一种技术或方法，在此过程中不需要移除元件即可进行精确的电气特性测量。这种方法在高频电路设计与测试领域尤为重要，因为它能够减少由于物理去除过程对组件可能造成的损害，并提供更准确的数据用于后续分析和优化。 需要注意的是，该描述未包含任何具体的联系方式、链接或其他额外信息。
  • DE膜算法计算
    优质
    DE膜算法是一种结合了差分进化（Differential Evolution, DE）与膜计算理论的优化算法，用于高效解决复杂问题中的全局优化任务。 该算法结合了差分进化（DE）算法、膜计算以及聚类设计方法，是一个很好的学习和拓展DE算法的程序。
  • de-svm源码包.rar
    优质
    de-svm源码包包含了支持向量机(SVM)算法的去噪增强版本的核心代码和相关文档，适用于机器学习与数据挖掘项目。 利用智能优化算法中的启发式搜索算法——差分进化算法来优化支持向量机(SVM)的参数，以提升其性能，并通过MATLAB实现这一过程。
  • DE-70 中文文档
    优质
    本份中文资料主要包括一份关于台湾友晶公司DE2-70实验平台的FPGA/SOPC入门级教学指导书。该指导书深入介绍了如何在Altera公司的EP2C70F896C6 FPGA芯片上运用Quartus II软件工具（版本V7.2/V8.02.90）进行实验开发工作。具体而言： 1. DE2-70开发板及其驱动配置 - DE2-70实验平台是一个专为FPGA教学与实验设计而设计的重要工具设备。它适用于特定型号的FPGA芯片——Altera公司的EP2C70F896C6型号。 - 在计算机端安装并配置DE2-70开发板驱动程序的相关操作指南（如USB-Blaster驱动安装），这是开展开发工作的基础步骤之一。 - 驱动配置模块还提供了故障排查指南，在安装过程中遇到问题时可提供相应的解决思路。 - 包括了引脚分配及基本输入输出引脚信号功能的详细说明文档，在实验操作中起到重要参考作用。 2. Quartus工程搭建与VerilogHDL设计流程 - 第二至第六章系统性地引导学习者从零开始掌握Quartus工程搭建的基本技能，并逐步掌握VerilogHDL硬件描述语言的应用方法。 - 每一章节都围绕实际操作展开教学内容安排，在实践过程中帮助学习者巩固理论知识并提升动手能力。 - VerilogHDL作为一种用于电子系统硬件描述与功能模拟的强大语言工具，在FPGA与ASIC设备的设计过程中扮演着关键角色。 - 实验案例涵盖了常见的数字电路模块（如3-8译码器、二十进制计数器等），通过循序渐进的设计练习强化学习效果。 3. 硬件仿真与SignalTapII分析仪应用技术 - 在硬件设计方案初步完成后必须经过仿真验证阶段以确保设计逻辑正确无误。 - 第三章详细讲解了利用Quartus自带仿真工具以及专业调试分析软件SignalTapII对电路功能进行仿真调试的具体方法步骤。 - 这种基于仿真环境的技术训练有助于提高复杂数字电路系统的可靠性保障水平。 4. SOPC系统架构与Nios处理器软核实现方案 - 第六章重点针对SOPC系统架构进行了深入剖析，并详细阐述了基于
  • 差分进化算法(DE)
    优质
    差分进化算法（DE）是一种高效的全局优化方法，特别适用于解决复杂函数的最小化问题。通过变异、交叉和选择操作，它能够迅速探索解空间并收敛至最优解。 差分进化算法（Differential Evolution, DE）是一种用于解决优化问题的随机搜索方法。它特别适用于处理复杂、非线性的函数优化问题，并且在参数调整方面相对简单，不需要对目标函数进行大量的假设或限制条件。 DE通过种群中的个体之间的差异向量来指导新的解生成过程，在每一代中利用当前种群内的信息产生新候选解以探索搜索空间。算法的核心思想在于利用群体智能和自适应策略，使得优化过程能够有效地收敛到全局最优或者接近最优的解决方案上。
  • De-embedding Techniques within Advanced Design Systems
    优质
    本文探讨了在高级设计系统中应用去嵌入技术的方法和技巧，旨在提高电路模型精度与设计效率。 Advanced Design System (ADS) by Keysight provides excellent resources for understanding de-embedding techniques in the context of RF parameter extraction.
  • DE算法的MATLAB代码
    优质
    这段MATLAB代码实现了一种优化算法——差分进化（DE）算法，适用于解决各类数值最优化问题。通过调整参数，用户可以针对不同场景进行高效求解。 项目代码：YPEA107 项目标题：在MATLAB中实现差分进化（DE） 出版者：Yarpiz 开发者：S. Mostapha Kalami Heris（Yarpiz团队成员）
  • MATLAB中的DE算法代码
    优质
    本代码实现了一种在MATLAB环境下的差分进化（DE）算法，适用于解决各种优化问题。通过调整参数，用户可以针对特定需求进行高效求解。 DE算法的MATLAB代码运行速度快且效果好，代码简洁易懂。