点击切换搜索课件文库搜索结果(6446)
文档格式:DOC 文档大小:65.5KB 文档页数:13
这篇文章不错,很好的解释了通货膨胀,和现在中国的情况很像,目前中国为了坚守固 定汇率制,印制了大量的RMB,(外贸都是美元结算的,如果顺差外贸企业获得了美 元,想扩大生产购买原料支付工资等,就要把美元交到央行换成RMB,而央行这些RMB 是通过开动印钞机造出来的,这几年中国外汇储备增加到了4000多亿和美元贬值有直 接关系)废话不说,贴文章 通货膨胀知识 先让我们比较一下两张差不多大小的长方形纸片。一张的背面大部分是绿颜 色,正面有一幅林肯像,在这纸片的每一个角上印有数目字五”,还有些别的图案。你 用这纸片可以换到一定数量的食物、衣服或其他货物
文档格式:PDF 文档大小:467.37KB 文档页数:3
作为IF钢成分设计的基本思想是将钢中间隙固溶的C,N原子完全清除.但通过热力学分析和对析出物的TEM分析表明,由于碳硫析出物的存在,S在固定C原子方面起到了积极的作用.据此,保持钢中适度的S/C比,可充分发挥S的作用,以形成有利的固定C的产物
文档格式:PPT 文档大小:159.5KB 文档页数:5
库 库是用来处理重复出现的内容。用户可以将信息收集在库中,使之成为库项目,当需 要这些信息时,直接插入库项目即可。 122.1创建库项目 在 Dreamweaver中,用户可以为网页中的任意元素创建库项目
文档格式:DOC 文档大小:45KB 文档页数:6
案例1:我国经济的软着陆 “过热——治理——再过热——再治理”...。长期以来在我国经济 生活中屡屡出现的“大起大落”现象,曾被人们称之为新中国经济发展史上 难以根治的一大顽症。 然而,自1996年我国宏观经济运行呈现出“高增长与低通胀并存的局面
文档格式:PDF 文档大小:956.86KB 文档页数:10
基于高性能的YOLOv3目标检测算法,提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段:第一阶段在低分辨率全局图像中检测出火车号区域位置;第二阶段在局部高分辨率图像中检测出组成火车号的字符,根据字符的空间位置关系搜索得到12位火车号,并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外,本文提出一种结合批一化因子和滤波器相关度的剪枝算法,通过对两个阶段检测模型的剪枝,在保证识别准确率不降(实验中略有提升)的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明,本文提出的火车号识别算法达到了96.92%的整车号识别正确率,平均识别时间仅为191 ms
文档格式:PPT 文档大小:3.78MB 文档页数:13
偏光显微镜是硏究透明矿物光学性质的 主要仪器。与一般的生物显微镜相比,最主 要的区别是有两个偏光镜。其中,一个安装 在载物台之下,称下偏光,另一个安装在载 物台之上的镜筒中,称上偏光。在偏光显微 镜中,上偏光的振动方向是固定的,而下偏 光的振动方向是可以调节的。一般来说,两 个偏光的振动方向是相互垂直的
文档格式:PPT 文档大小:111KB 文档页数:1
1.2.1常规参数设置 (1)单击“编辑“参数选择”命令,或按Ctrl+U组合键,打开“参数选择”对话框。选择“分类”列表中的“常规”选项,对话框右侧显示出相关的属性。 (2)在对话框中设置属性,单击“确定按钮。 1.2.2设置字体参数 (1)单击“编辑>“参数选择”命令,或按Ctrl+组合键,打开“参数选择”对话框,选择“分类”列表中的“字体”选项,对话框右侧显示出相关的属性
文档格式:PPT 文档大小:41.5KB 文档页数:9
多年以来,科学家们发现谷物、蔬菜、水 果、豆类等植物可减少某些慢性常见疾病,如 ) 肿瘤、心肝病、中风、糖尿病与高血压发病的 危险性,部分原因是由于植物中维生素、微量 元素及酶的抗氧化和清除自由基的作用,还有 一部分原因是由于植物中所含的尚未完全研究 清楚的物质,这些物质有促进健康的作用。我 们称之为植物化学素(Phytochemicals)
文档格式:PPT 文档大小:189.5KB 文档页数:31
多维事务数据库DB的结构为 (ID,AA2,, Anitems),A是DB中的结构化 属性(例如顾客的年龄,职业收入等),而 items是同事务连接的项的集合(例如购物篮 中频繁项集)。每一个 t=(id,aa 2..2 items-t)由两部分信息组成: 维信息(a1,a2man)项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集
文档格式:PPT 文档大小:252.5KB 文档页数:37
多维事务数据库DB的结构为 (ID,A,AAn, items),A是DB中的结 构化属性(例如顾客的年龄,职业收入等), 而 items是同事务连接的项的集合(例如购 物篮中频繁项集)。每一个 t=(id,aa2man,items--t)由两部分信息 组成:维信息(a1,a2man)和项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集
首页上页591592593594595596597598下页末页
热门关键字
搜索一下,找到相关课件或文库资源 6446 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有