《EMC电磁兼容设计与测试案例分析(第2版)》以EMC：案例分析为主线，通过案例描述、分析来介绍产品设计中的EMC技术，向读者介绍产品设计过程中有关EMC：的实用设计技术与诊断技术，减少设计人员在产品的设计与：EM（：问题诊断中的误区。
书中所描述的EMC案例涉及结构、屏蔽与接地、滤波与抑制、电缆、布线、连接器与接口电路、旁路、去耦与储能、PCBLayout，以及器件、软件与频率抖动技术等各个方面。
,《EMC电磁兼容设计与测试案例分析(第2版)》是以实用为目的，以具有代表性的案例来说明复杂的原理，并尽量避免拖沓冗长的理论，可作为电子产品设计部门EMC方面必备的参考书，也可作为电子和电气工程师、EMC工程师、EMC顾问人员进行EMC培训的教材或参考资料。
书中所描述的EMC案例涉及结构、屏蔽与接地、滤波与抑制、电缆、布线、连接器与接口电路、旁路、去耦与储能、PCBLayout，以及器件、软件与频率抖动技术等各个方面。
,《EMC电磁兼容设计与测试案例分析(第2版)》是以实用为目的，以具有代表性的案例来说明复杂的原理，并尽量避免拖沓冗长的理论，可作为电子产品设计部门EMC方面必备的参考书，也可作为电子和电气工程师、EMC工程师、EMC顾问人员进行EMC培训的教材或参考资料。
2024/3/19 4:12:10
18.91MB
1
本套教程是ADS视频培训系列教程的第二辑；
主要讲述如何使用ADSMomentum电磁仿真器进行微波平面电路设计和优化，以及在ADS中如何进行电磁电路的联合仿真(EM/CircuitCo-Simulation)。
面向对象为对ADS的基本操作有一定了解的,从事微波射频电路和系统设计的工程技术人员。
AdvancedDesignSystem是Agilent公司推出的微波电路和通信系统仿真软件，是国内各大学和研究所使用最多射频微波仿真设计的软件之一。
其功能非常强大，仿真手段丰富多样，可实现包括时域和频域、数字与模拟、线性与非线性、噪声等多种仿真分析手段，并可对设计结果进行成品率分析与优化，从而大大提高了复杂电路的设计效率，是非常优秀的微波射频电路、系统信号链路的设计工具。
Momentum是ADS中的电磁仿真器，集成在ADSLayout设计环境中，用于微波平面电路设计，包括微带/带状线电路设计、共面波导的设计、和微带贴片天线设计等。
主要讲述如何使用ADSMomentum电磁仿真器进行微波平面电路设计和优化，以及在ADS中如何进行电磁电路的联合仿真(EM/CircuitCo-Simulation)。
面向对象为对ADS的基本操作有一定了解的,从事微波射频电路和系统设计的工程技术人员。
AdvancedDesignSystem是Agilent公司推出的微波电路和通信系统仿真软件，是国内各大学和研究所使用最多射频微波仿真设计的软件之一。
其功能非常强大，仿真手段丰富多样，可实现包括时域和频域、数字与模拟、线性与非线性、噪声等多种仿真分析手段，并可对设计结果进行成品率分析与优化，从而大大提高了复杂电路的设计效率，是非常优秀的微波射频电路、系统信号链路的设计工具。
Momentum是ADS中的电磁仿真器，集成在ADSLayout设计环境中，用于微波平面电路设计，包括微带/带状线电路设计、共面波导的设计、和微带贴片天线设计等。
2024/2/29 5:21:45
3.78MB
1
采用可视化编程工具（如Matlab、Java等）实现一种数据挖掘技术（如K-means聚类、EM聚类等），并进行其挖掘过程和结果的可视化展现，最后采用一组数据，展示其可视化数据挖掘过程和结果。
2024/2/5 19:17:11
573KB
1
1.C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝
2024/1/25 9:25:40
626KB
1
该资源包含视觉工作中常用到的一些技巧和算法，包含有回归、决策树、贝叶斯、EM算法、SVM、增强、流行、RBF、稀疏、字典、BP、CNN、RBM、深度学习、遗传算法、蚂蚁算法等等
2024/1/23 7:34:14
125.47MB
1
制作简单的东西在phpfocado，apendasemdidática，生产和销售中的maséfuncional。
用作电子邮件，电子邮件，惯用语，公交车和汽车的删除程序，作为信息的发布地：电子邮件地址是umatabeladecontatosembancodedadosmysql。
用作电子邮件，电子邮件，惯用语，公交车和汽车的删除程序，作为信息的发布地：电子邮件地址是umatabeladecontatosembancodedadosmysql。
2023/12/24 13:45:49
4KB
1
1.SI自带的功能2.使用quicker.em3.使用Chnchar.em4.使用CodeReview.em包含详细使用说明文档
2023/12/7 19:25:48
265KB
1
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。
2024-04-09 15:03
15KB