壁纸和现场背景WALLOOPPRIMEWalloopPrime-没有广告的最好的动态壁纸应用程序，总是更新！最后很酷的动态壁纸，不会耗尽你的电池电量！动态壁纸高清，AMOLED动态壁纸，动态壁纸3D4k，静态壁纸等等......立即改善您的手机！Walloop是一系列手机壁纸，带有4K动画GIF/视频等等......创新类别：▫️LIVE壁纸▫️AMOLEDLIVEWALLPAPERS（第一部电池消耗低的动态壁纸，全高清动态壁纸3D）▫️摘要和3D▫️AERIALVIEW（地球视图，卫星，无人机）▫️AMOLED（SuperAMOLED，Oled）▫️动物▫️ARTWORKS▫️BOUR＆BOKEH▫️DARK（黑色壁纸，深色背景）▫️KVANTUMPHANTAZY▫️LOWPOLY（3dFractals）▫️LEGENDS（动漫，超级英雄，电视剧）▫️材料▫️极小▫️MISC▫️山▫️POLYSCAPES▫️台词▫️SCENIC（自然和城市）▫️SPACE＆UNIVERSE▫️TEXTURE▫️TILTSHIFT▫️VAPORWAVE＆GLITCH▫️YOSEMITE

本系统以TI公司的MSP430F5529单片机为核心，设计了一套高效率的双向DC-DC变换器。
通过闭环控制实现了恒流充电，放电，过充保护以及自动切换工作模式的功能，效率高，精度高。
该设计应用同步整流技术和准方波零电压软开关技术使效率明显提高。
单片机输出带死区的互补PWM来控制MOSFET的导通与关断，驱动电路使用TI公司的UCC27211驱动芯片驱动TI公司的导通电阻极小的CSD19506功率MOSFET，采用自举升压、浮地驱动的方式驱动高侧MOSFET。
采用电阻分压电路检测电压和TI公司的INA282AIDR电流检测芯片检测电流。
并且可以实现按键步进调节电流值，屏幕显示电压电流值的功能。

《10000个科学难题》序　　前言　　奥特（Vaught）猜想与拓扑奥特猜想　　超紧基数典型内模型问题　　递归可枚举度中的格嵌入问题和双量词理论可判定性问题　　高层有限波雷尔（Borel）等价关系中的两个问题　　极小塔问题　　r=rω?及s=sω?　　连续统势确定问题　　奇异基数问题　　萨克斯（Sacks）关于波斯特（Post）问题的度不变解问题和马丁（Martin）猜想　　图灵（Turing）等价问题　　图灵（Turing）度的自同构问题　　是否存在一个稳定的一阶完全理论，它有大于一的有穷多个可数模型　　Cherlin-zilber猜想　　带指数函数的实数理论的可判定性问题　　Shelalh唯一性猜想　　微分封闭域上的平凡强极小集　　3-Calabi-Yau代数的分类　　阿廷（Artin）群的Grobner-Shirshov基　　布如意（Broue）交换亏群猜想　　布朗（Brown）问题　　凯莱（Cayley）图和相关的问题　　福克斯（Foulkes）猜想　　戈伦斯坦（Gorenstein）对称猜想　　卡普兰斯基（Kaplansky）第六猜想　　中山（Nakayama）猜想和广义中山（Nakayama）猜想　　拉姆拉斯（Ramras）问题　　Smashing子范畴上的公开问题　　巴斯-奎伦（Bass-Quillen）猜想　　非半单Brauer代数的表示理论　　非交换曲面的分类　　关于码交换等价于前缀码的猜测　　关于半群上一类重要同余的一个系列推广模式　　关于有限码具有有限完备化的判定问题　　关于正则半群的两个嵌入问题　　广义倾斜模中的两个猜想　　考克斯特群的胞腔　　满足正规子群极小条件的可解群的Fitting子群是否是幂零的?　　模代数smash积的半素性　　球极函数的提升Pieri型公式　　稳定等价猜想　　一些代数的Grobner-Shirshov基　　由导出范畴建立量子群和典范基　　有限维数猜想　　ABC猜测　　巴斯（Bass）猜想和索尔（Soule）猜想　　Lichtenbaum猜想　　里德一所罗门（Reed-Solomon）码的译码问题　　沙努尔（Schanuel）猜想　　[1]哥德巴赫（Goldbach）猜想　　关于不同模覆盖系的厄尔多斯（Erdos）问题　　关于倒数和发散序列的厄尔多斯图兰（Erdos-Turan）猜想　　关于奇数阶阿贝尔（Abel）群的Snevily猜想　　关于有限域上代数曲线点数的Drinfeld-Vladt界　　朗兰兹（Langlands）纲领　　类数1实二次域的高斯猜想　　黎曼（Riemann）zeta函数在奇正整数点处值的超越性　　黎曼（Riemann）猜想　　欧拉常数的超越性　　椭圆曲线的BSD猜想　　希尔伯特第九问题：高斯二次互反律如何推广　　希尔伯特第十二问题：构作数域的最大阿贝尔扩域　　岩泽（Iwasawa）理论的主猜想　　……　　编后记

PSO粒子群算法优化神经网络，针对bp神经网络容易陷入局部极小，收敛速度慢的缺点，利用pso优化神经网络，提高了网络的泛化能力。

车间作业调度问题（JobShopSchedulingProblem）是一个著名的NP难题，具有很强的条件约束，当问题规模较大时很难找到全局最优解。
因此作业车间调度是一类求解困难的组合优化问题。
近几年各种智能计算方法逐渐被引入到作业调度问题中，如遗传算法、模拟退火算法、启发式算法等。
如何有效的安排各零件的加工顺序将直接关系到生产效率,也是本文所要解决的问题之一。
本文提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性，通过实验验证了基于混合算法的作业车间调度方法显著提高了搜索效率，GASA改进了收敛性能。

用模拟退火算法求二维函数y=5*sin(x1*x2)+x1^2+x2^2的极小值。
由原来ARMYLAU：armylau2@163.com的C#版本翻译为C++。

一、引言自适应噪声抵消技术是一种能够很好的消除背景噪声影响的信号处理技术，应用自适应噪声抵消技术，可在未知外界干扰源特征，传递途径不断变化，背景噪声和被测对象声波相似的情况下，能够有效地消除外界声源的干扰获得高信噪比的对象信号。
从理论上讲，自适应干扰抵消器是基于自适应滤波原理的一种扩展，简单的说，把自适应滤波器的期望信号输入端改为信号加噪声干扰的原始输入端，而它的输入端改为噪声干扰端，由横向滤波器的参数调节输出以将原始输入中的噪声干扰抵消掉，这时误差输出就是有用信号了。
在数字信号采集、处理中，线性滤波是最常用的消除噪声的方法。
线性滤波容易分析，使用均方差最小准则的线性滤波器能找到闭合解，若噪声干扰类型为高斯噪声时，可达到最佳的线性滤波效果。
计算机论文www.lunwendingzhi.com；
机械毕业论文www.lunwenwanjia.com在实际的数字信号采集中，叠加于信号的噪声干扰往往不是单一的高斯噪声，而线性滤波器所要求的中等程度噪声偏移，使线性滤波器对非高斯噪声的滤波性能下降，为克服线性滤波器的缺点，往往采用非线性滤波器，所以本文采用神经网络对信号进行滤波处理。
二、基于BP算法和遗传算法相结合的自适应噪声抵消器在本文中，作者主要基于自适应噪声对消的原理对自适应算法进行研究，提出了一种新的算法，即BP算法和遗传算法相结合的自适应算法。
作者对BP网络的结构及算法作了一个系统的综述，分析了BP算法存在的主要缺陷及其产生的原因。
传统的BP网络既然是一个非线性优化问题，这就不可避免地存在局部极小问题，网络的极值通过沿局部改善的方向一小步进行修正，力图达到使误差函数最小化的全局解，但实际上常得到的使局部最优点。
管理毕业论文网www.yifanglunwen.com；
音乐毕业论文www.xyclww.com；
英语毕业论文www.lanrenbanjia.com；
学习过程中，下降慢，学习速度缓，易出现一个长时间的误差平坦区，即出现平台。
通过对遗传算法文献的分析、概括和总结，发现遗传算法与其它的搜索方法相比，遗传算法（GA）的优点在于：不需要目标函数的微分值；
并行搜索，搜索效率高；
搜索遍及整个搜索空间，容易得到全局最优解。
所以用GA优化BP神经网络，可使神经网络具有进化、自适应的能力。
BP-GA混合算法的方法出发点为：经济论文www.youzhiessay.com教育论文www.hudonglunwen.com；
医学论文网www.kuailelunwen.com；
（1）利用BP神经网络映射设计变量和目标函数、约束之间的关系；
（2）用遗传算法作实现优化搜索；
（3）遗传算法中适应度的计算采用神经网络计算来实现。
BP-GA混合算法的设计步骤如下：（1）分析问题，提出目标函数、设计变量和约束条件；
（2）设定适当的训练样本集，计算训练样本集；
（3）训练神经网络；
（4）采用遗传算法进行结构寻优；
（5）利用训练好的神经网络检验遗传算法优化结果。
若满足要求，计算结束；
若误差不满足要求，将检验解加入到训练样本集中，重复执行3～5步直到满足要求。
通过用短时傅立叶信号和余弦信号进行噪声对消性能测试，在单一的BP算法中，网络的训练次数、学习速度、网络层数以及每层神经元的节点数都是影响BP网络的重要参数，通过仿真实验可以发现，适当的训练次数可以使误差达到极小值，但是训练次数过多，训练时间太长，甚至容易陷入死循环，或者学习精度不高。
学习速度不能选择的太大，否则会出现算法不收敛，也不能选择太小，会使训练过程时间太长，一般选择为0.01～0.1之间的值，再根据训练过程中梯度变化和均方误差变化值确定。
基于梯度下降原理的BP算法，在解空间仅进行单点搜索,极易收敛于局部极小，而GA的众多个体同时搜索解空间的许多点，因而可以有效的防止搜索过程收敛于局部极小，只有算法的参数及遗传算子的操作选择得当，算法具有极大的把握收敛于全局最优解。
使用遗传算法需要决定的运行参数中种群大小表示种群中所含个体的数量，种群较小时，可提高遗传算法的运算速度，但却降低了群体的多样性，可能找不出最优解；
种群较大时，又会增加计算量，使遗传算法的运行效率降低。
一般取种群数目为20～100；
交叉率控制着交叉操作的频率，由于交叉操作是遗传算法中产生新个体的主要方法，所以交叉率通常应取较大值，但若过大的话，又可能破坏群体的优良模式，一般取0.4～0.99；
变异率也是影响新个体产生的一个因素，变异率小，产生个体少，变异率太大，又会使遗传算法变成随机搜索，一般取变异率为0.0001～0.1。
由仿真结果得知，GA与BP算法的混合算法不论是在运行速度还是在运算精度上都较单纯的BP算法有提高，去噪效果更加明显，在信噪比的改善程度上，混合算法的信噪

一、单项选择题（共9题，每题3分，共27分）1、明代诗人曾写这样的一首诗:“空手把锄头,步行骑水牛;人在桥上走,桥流水不流.”中的“桥流”是以下列哪个物体为参考系的（）A．水B．桥C．人D．河岸2、下列有关质点的说法中正确的是（）A、只有质量和体积都极小的物体才能视为质点B、研究一列火车过铁路桥经历的时间时，可以把火车视为质点C、研究自行车的运动时，因为车轮在不停地转动，所以在任何情况下都不能把自行车作为质点D、虽然地球很大，还在不停地自转，但是在研究地球的公转时，仍然可以把它视为质点3、汽车以速度v1直线行驶了全程的2/3，接着以速度v2=20千米/小时，跑完了其余的1/3的路程，如果汽车全程的平均速度是28千米/小时，那么v1等于（）A、48千米/小时B、38千米/小时C、35千米/小时D、34千米/小时

实现BP神经收集自动抑制PID三个参数，并用附加动量项以及自学习速率法来改善BP神经搜粗放莫掉入部份极小值的缺陷

已经知函数及区间，求区间内极值matlab法度圭表标准。
适用于已经知道函数及区间的求极大值与极小值的malab

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。