用电脑开处方是各大医院的趋势，门诊电子处方软件V10.0是为个体诊所、卫生室等基层医疗单位量身定做的门诊电子处方管理软件，可开西药、中药处方，全傻瓜化设计，界面操作一目了然，即使您是电脑新手，甚至不会打字，也可以很方便的使用它开出电子处方。
本软件具有以下特色：1、经过十多年精心设计，吸取大量用户反馈意见，界面操作直观，具有极好的易用性。
2、可以把常用的药品组合设置为个人组套或中医验方，提高工作效率。
3、能自动记忆患者姓名、地址、电话等一般资料，复诊时只要输入姓名，就能自动填写患者的一般资料。
4、具有自动划价、一键复制历史处方、门诊病历管理、工作量及用药统计、自动生成门诊日志等功能。

Anki是一个记忆辅助软件，它可以让记忆过程变得更加轻松容易。
因为，相比传统方法他更加高效更加智能，利用它你可以大大降低你的学习时间，或者你可以在同样长的时间内学习更多的内容。
任何人如果他需要在日常的生活中记忆东西，都可以从Anki受益。
Anki只是提供了一种学习方法，与内容无关，它支持图片，音频，视频以及科学符号，并且这种各领域的支持是无止境的，Anki在不断发展支持任何你能想象得到的知识展现形式。

最新OracleOCP11G题库并且前无古人花了三个月心血把053的671道题逐个地翻译了一遍，有翻译，有答案的出处，有注释,只对谁想考OCP11G的，非常有帮助，另外两个是我同事编写的关键字记忆法。
有200题的和671题的。

先简单地介绍了局部低秩矩阵分解推荐算法（ＬｏｃａｌＬｏｗ－ＲａｎｋＭａｔｒｉｘＡｐｐｒｏｘｉｍａｔｉｏｎ，化ＯＲＭＡ）的内容该推荐算法结合了基于记忆的协同过滤推荐算法和基于模型的协同过滤推荐算法的特点。
然后介绍了时间因素对推荐系统的影响，接着介绍张量分解这一数学模型，最后针对推荐算法ＬＬＯＲＭＡ忽略时间因素这一缺点，结合张量分解对推荐算法ＬＬＯＲＭＡ进行改进，提出了改进的基于时间的局部低秩张量分解（ＬｏｃａｌＬｏｗ－ＲａｎｋＴｅｎｓｏｒＦａｃｔｏｒｉｚａｔｉｏｎ，ＬＬＯＲＴＦ）推荐算法

第1章绪论1．1历史回顾1．2电通信系统的基本组成1．2．1数字通信系统1．2．2数字通信的早期工作1．3通信信道及其特征1．4通信信道的数学模型1．5本书的结构1．6深入学习第2章信号和系统的频域分析2．1傅里叶级数2．1．1实信号的傅里叶级数：三角傅里叶级数2．2傅里叶变换2．2．1实信号、偶信号和奇信号的傅里叶变换2．2．2傅里叶变换的基本性质2．2．3周期信号的傅里叶变换2．3功率和能量2．3．1能量型信号2．3．2功率型信号2．4带宽受限信号的抽样2．5带通信号2．6深入学习习题第3章模拟信号的发送和接收3．1调制简介3．2振幅调制(AM)3．2．1双边带抑制载波AM3．2．2常规振幅调制3．2．3单边带AM3．2．4残留边带AM3．2．5AM调制器和解调器的实现3．2．6信号多路复用3．3角度调制3．3．1FM信号和PM信号的表示形式3．3．2角度调制信号的频谱特性3．3．3角度调制器和解调器的实现3．4无线电广播和电视广播3．4．1AM无线电广播3．4．2FM无线电广播3．4.3电视广播3．5移动无线电系统3．6深入学习习题第4章随机过程4．1概率及随机变量4．2随机过程：基本概念4．2．1随机过程的描述4．2．2统计平均4．2．3平稳过程4．2．4随机过程与线性系统4．3频域中的随机过程4．3．1随机过程的功率谱4．3．2线性时不变系统的传输4．4高斯过程及白过程4．4．1高斯过程4．4，2白过程4．5带限过程及抽样4．6带通过程4．7深入学习习题第5章模拟通信系统中的噪声影响5．1噪声对线性调制系统的影响5．1．1噪声对基带系统的影响5．1．2噪声对DSB-SCAM的影响5．1．3噪声对SSBAM的影响5．1．4噪声对常规调幅的影响5．2使用锁相环(PLL)进行载频相位估计5．2．1锁相环5．2．2加性噪声对相位估计的影响5．3噪声对角度调制的影响5．3．1角度调制的门限效应5．3．2预加重和去加重滤波5．4模拟调制系统的比较5．5模拟通信系统中传输损耗和噪声的影响5．5．1热噪声源的特征5．5．2噪声温度效应及噪声系数5．5．3传输损耗5．5．4信号传输中继器5．6深入学习习题第6章信源与信源编码6．1信源的数学模型6．1．1信息的度量6．1．2联合熵与条件熵6．2信源编码理论6．3信源编码算法6．3．1霍夫曼信源编码算法6．3．2Lempel-Ziv信源编码算法6．4率失真理论6．4．1互信息量6．4．2微分熵6．4．3率失真函数6．5量化6．5．1标量量化6．5．2矢量量化6．6波形编码6．6．1脉冲编码调制(PCM)6．6．2差分脉冲编码调制(DPCM)6．6．3增量调制(M)6．7分析-合成技术6．8数字音频传输和数字音频记录6．8．1电话传输系统中的数字音频信号6．8．2数字音频录制6．9JPEG图像编码标准6．10深入学习习题第7章加性高斯白噪声信道中的数字传输7．1信号波形的几何表示7．2脉冲振幅调制7．3二维信号波形7．3．1基带信号7．3．2二维带通信号--载波相位调制7．3．3二维带通信号--正交振幅调制7．4多维信号波形7．4．1正交信号波形7．4．2双正交信号波形7．4．3单纯信号波形7．4．4二进制编码的信号波形7．5加性高斯白噪声信道中数字已调信号的最佳接收机7．5．1相关型解调器7．5．2匹配滤波器型解调器7．5．3最佳检测器7．5．4载波振幅已调信号的解调和检测7．5．5载波相位已调信号的解调和检测7．5．6正交振幅已调信号的解调和检测7。
5．7频率已调信号的解调和检测7．6加性高斯白噪声中信号检测的错误概率7.6．1二进制调制的错误概率7．6．2M进制PAM的错误概率7．6．3相位相干PSK调制的错误概率7．6．4DPSK的系统错误概率7．6．5QAM的错误概率7．6．6M进制正交信号的错误概率7．6．7M进制双正交信号的错误概率7．6．8M进制单纯信号的错误概率7．6．9FSK的非相干检测的错误概率7．6．10调制方式的比较7．7有线和无线通信信道的性能分析7．7．1再生中继器7．7．2无线信道中的链路预算分析7．8码元同步7．8．1超前-滞后门同步法7．8．2最小均方误差法7．8．3最大似然准则法7．8．4频谱线法7．8．5载波已调信号的码元同步7．9深入学习习题第8章通过带限AWGN信道的数字传输8．1通过带限信道的数字传输8．1．1带限基带信道上的数字PAM传输8．1．2带限带通信道上的数字传输8．2数字已调信号的功率谱8．2．1基带信号的功率谱8．2．2载波已调信号的功率谱8．3带限信道的信号设计8．3．1无码间干扰的带限信号的设计--奈奎斯特准则8．3．2具有可控ISI的带限信号8．4检测数字PAM的错误概率8．4．1具有零ISI的PAM检测的错误概率8．4．2可控ISI的逐码元数据检测8．4．3部分响应信号检测的错误概率8．5与记忆有关的数字调制信号8．5．1有记忆的调制编码与调制信号8．5．2最大似然序列检测器8．5．3部分响应信号的最大似然序列检测8．5．4有记忆数字信号的功率谱8．6存在信道失真的系统设计8．6．1已知信道的发送和接收滤波器的设计8．6．2信道均衡8．7多载波调制和OFDM8．7．1FFT算法实现的OFDM系统8．8深入学习习题第9章信道容量与信道编码9.1信道模型9.2信道容量9．2．1高斯信道容量9.3通信的容限9．3．1模拟信号的PCM传输9.4可靠通信的编码9．4．1正交信号错误概率的紧界9．4．2编码的原则9.5线性分析码9.5．1线性分组码的译码及其性能9.5．2突发错误纠错编码9.6循环码9．6．1循环码的结构9．7卷积码9．7．1卷积码的基本性质9．7．2卷积码的最佳译码--维特比算法9．7．3卷积码的其他译码算法9．7．4卷积码的错误概率界限9．8复合编码9．8．1乘积码9．8．2链接码9．8．3Turbo码9．8．4BCJR算法9．8．5Turbo码的性能9．9带限信道的编码9．9．1编码与调制的结合9．9．2网格编码调制9．10信道编码的实际应用9．10．1深层空间通信的编码9．10．2电话线路调制解调器的编码9．10．3光盘编码9．11深入学习习题第10章无线通信10．1衰落多径信道上的数字传输10．1．1时变多径信道的信道模型10．1．2衰落多径信道的信号设计10．1．3频率非选择性瑞利衰落信道上的二进制调制性能10．1．4通过信号分集提高系统性能10．1．5频率选择性信道的调制和解调--RAKE解调器10．1．6多天线系统和空时编码10．2连续载波相位调制10．2．1连续相位FSK(CPFSK)10．2．2连续相位调制(CPM)10．2．3CPFSK和CPM的频谱特性10．2．4CPM信号的解调和检测10．2．5CPM在AWGN信道和瑞利衰落信道中的性能10．3扩频通信系统10．3．1扩频数字通信系统的模型10．3．2直接序列扩频系统10．3．3直接序列扩频信号的应用10．3．4脉冲干扰和衰落的影响10．3．5PN序列的生成10．3．6跳频扩频10．3．7扩频系统的同步10．4数字蜂窝通信系统10．4．1GSM系统10．4．2基于IS-95的CDMA系统10．5深入学习习题附录A多信道二进制信号接收时的错误概率参考文献

ConfigurationWizard2单片初始化配制软件，以图形选择界面方式帮您配制初化芯片的功能并给出对应的代码，免除您对芯特殊寄存器的记忆，提高您的工作效率。

针对群体情绪识别准确率的问题，结合卷积神经网络（CNN）与长短期记忆网络（LSTM），提出一种多流CNN-LSTM网络模型学习群体情绪的静态和动态特征。
以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。
最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。
实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。

Fortran95学习教程第1章目的是计算我们这本书描述了一门语言。
不幸的是语言很难成为我们的爱好，更何况FORTRAN语言也无法仿效英语，能够被某些英语大师成功地转换为一种疯狂。
因此几乎每一个学习过编程语言的人都会有一种痛苦地记忆，那就是一种极端缺乏趣味的痛苦，因为很容易我们就会忘记这种语言的用处。
显然，如果一种工具连用处都不是那么明显的话，哪里还谈得上给人带来乐趣呢？所以要想在FORTRAN语言的学习过程当中不至于总是遭遇无聊，唯一的解救之途就是一开始就要找到学习它的绝对充足的理由，并且在学习过程中还会不得不反复地依靠这个理由，来说服自己需要更加有耐心，更加能够忍受烦琐和约定，…逐渐地，也许我们能够从FORTRAN语言的惊人表达能力当中，体会到一种新的看待世界的角度，这大概会是我们享受那么多的枯燥之后，所能够得到的最佳回报。
所以我们不得不在进入正题之前，扯点闲话，看看学习FORTRAN的理由何在。

inquisit5.0，最新版，心理学常用的程序软件。
可用于奇偶判断（可扩展为SNARC和Simon效应）、心理旋转实验、部分报告法、Stroop效应、变化视盲、外在情感性西蒙任务、内隐联想实验、加减法速算、再认测验、时间估计、自由联想测验、自尊量表、对偶联合回忆、威斯康星卡片分类测验、问卷调查、选择反应时、似动现象、数字记忆广度等实验

包含导电碳纳米管的电诱导形状记忆纳米复合材料

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。