InformixESQLC开发中文完整版包含以下章节：1.INFORMIX产品引见2.INFORMIX-ESQL/C引见3.数据库stores54.在INFORMIX-ESQL/C中嵌入SQL语句5.编译INFORMIX-ESQL/C程序6.在INFORMIX-ESQL/C中使用简单变量7.ESQL/C简单插入语句8.ESQL/C程序中的SQL通讯区9.ESQL/C程序中的异常检测10.ESQL/C中单记录的检索和查询11.ESQL/C程序中使用DECIMAL数据类型12.ESQL/C中使用DATETIME和INTERVAL数据类型13.ESQL/C中使用VARCHAR数据类型14.SQL游标概览15.ESQL/C程序中使用滚动游标16.ESQL/C中的数据库删除和修改操作17.ESQL/C程序中使用更新游标18.在ESQL/C程序中使用插入游标19.在ESQL/C程序中使用BYTE和TEXT数据类型20.提高ESQL/C程序的运行效率21.在ESQL/C中有效使用滚动游标22.控制数据库服务23.动态SQL基本知识24.使用动态描述区域的动态SQL25.使用SQLDA的动态SQL
2015/9/6 21:06:13
2.72MB
1
ubuntu镜像版本号是16.04.7(server-amd64)，文件大小901120KB，镜像对外发布时间为2020-08-1408:59:06，格式为ISO格式的镜像文件。
系统名称ubuntu16.04.7版本号16.04.7(server-amd64)大小(KB)901120KB发布时间2020-08-1408:59:06下载后，直接刻录到一张空白光盘，即可作为启动盘在虚拟机上进行安装基于15年的虚拟化卓越经验和50多个行业奖项的获得者，通过为用户提供无与伦比的操作系统支持、丰富的用户体验和难以置信的功能，将桌面虚拟化提升到了一个新的水平。
它延续VMware的传统，提供技术人员每天使用虚拟机时所依赖的前沿特性和功能。
通过支持最新版本的Windows和Linux、最新的处理器和硬件，以及连接到vSphere和vCloudAir的能力，它是提高生产率、节省时间和征服云的完美工具。
是使用现有Windows或LinuxPC评估和测试Windows10的最佳方法。
在几个简单的步骤中，您可以使用工作站虚拟机向导从磁盘或ISO映像轻松地在虚拟机中安装Win
系统名称ubuntu16.04.7版本号16.04.7(server-amd64)大小(KB)901120KB发布时间2020-08-1408:59:06下载后，直接刻录到一张空白光盘，即可作为启动盘在虚拟机上进行安装基于15年的虚拟化卓越经验和50多个行业奖项的获得者，通过为用户提供无与伦比的操作系统支持、丰富的用户体验和难以置信的功能，将桌面虚拟化提升到了一个新的水平。
它延续VMware的传统，提供技术人员每天使用虚拟机时所依赖的前沿特性和功能。
通过支持最新版本的Windows和Linux、最新的处理器和硬件，以及连接到vSphere和vCloudAir的能力，它是提高生产率、节省时间和征服云的完美工具。
是使用现有Windows或LinuxPC评估和测试Windows10的最佳方法。
在几个简单的步骤中，您可以使用工作站虚拟机向导从磁盘或ISO映像轻松地在虚拟机中安装Win
2016/4/17 13:12:27
880MB
1
1.Unity-2019.2.1f12.python-3.53.dlib-19.184.numpy-1.15.45.torch-1.1.06.opencv-contrib-python3.4.0.127.tqdm-4.23.48.argparse-1.4.09.scipy-1.0.110.tensorboardX网易的研究者提出了一种游戏角色自动创建方法，利用Face-to-Parameter的转换快速创建游戏角色，用户还可以自行基于模型结果再次进行修改，直到得到本人满意的人物。
此项目按照论文里的描述建立。
Face-to-ParameterTranslationforGameCharacterAuto-Creation对于输入图片，通过此工具dlib进行脸部截取。
pip3installdlib或者使用conda安装condainstall-cmenpodlibdlib引用模型下载地址:http://dlib.net/files/shape_predictor_68_face_landm
此项目按照论文里的描述建立。
Face-to-ParameterTranslationforGameCharacterAuto-Creation对于输入图片，通过此工具dlib进行脸部截取。
pip3installdlib或者使用conda安装condainstall-cmenpodlibdlib引用模型下载地址:http://dlib.net/files/shape_predictor_68_face_landm
2017/9/22 20:41:11
4.6MB
1
优化mysql数据库的方法：建立Index索引，少用select语句，开启查询缓存，选择适合的存储引擎，避免在where子句中使用or来连接以及避免大数据量返回等。
对于一个以数据为中心的应用，数据库的好坏直接影响到程序的功能，因此数据库功能至关重要。
所以mysql数据库的优化操作大家都要有所了解，本文就主要总结了mysql数据库中常见的优化方法
对于一个以数据为中心的应用，数据库的好坏直接影响到程序的功能，因此数据库功能至关重要。
所以mysql数据库的优化操作大家都要有所了解，本文就主要总结了mysql数据库中常见的优化方法
2019/4/10 18:18:23
4KB
1
读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。
如果在实现过程中有任何疑问，可以随时在MATLAB中文论坛与作者交流，作者每天在线，有问必答。
该书共有30个MATLAB神经网络的案例(含可运行程序)，包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
图书目录第1章P神经网络的数据分类--语音特征信号分类第2章BP神经网络的非线性系统建模--非线性函数拟合第3章遗传算法优化BP神经网络--非线性函数拟合第4章神经网络遗传算法函数极值寻优--非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计--公司财务预警建模第6章PID神经元网络解耦控制算法--多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN的数据预测--基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆--数字识别第10章离散Hopfield神经网络的分类--高校科研能力评价第11章连续Hopfield神经网络的优化--旅行商问题优化计算第12章SVM的数据分类预测--意大利葡萄酒种类识别第13章SVM的参数优化--如何更好的提升分类器的功能第14章SVM的回归预测分析--上证指数开盘指数预测第15章SVM的信息粒化时序回归预测--上证指数开盘指数变化趋势和变化空间预测第16章自组织竞争网络在模式分类中的应用--患者癌症发病预测第17章SOM神经网络的数据分类--柴油机故障诊断第18章Elman神经网络的数据预测--电力负荷预测模型研究第19章概率神经网络的分类预测--基于PNN的变压器故障诊断第20章神经网络变量筛选--基于BP的神经网络变量筛选第21章LVQ神经网络的分类--乳腺肿瘤诊断第22章LVQ神经网络的预测--人脸朝向识别第23章小波神经网络的时间序列预测--短时交通流量预测第24章模糊神经网络的预测算法--嘉陵江水质评价第25章广义神经网络的聚类算法--网络入侵聚类第26章粒子群优化算法的寻优算法--非线性函数极值寻优第27章遗传算法优化计算--建模自变量降维第28章基于灰色神经网络的预测算法研究--订单需求预测第29章基于Kohonen网络的聚类算法--网络入侵聚类第30章神经网络GUI的实现--基于GUI的神经网络拟合、模式识别、聚类
如果在实现过程中有任何疑问，可以随时在MATLAB中文论坛与作者交流，作者每天在线，有问必答。
该书共有30个MATLAB神经网络的案例(含可运行程序)，包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
图书目录第1章P神经网络的数据分类--语音特征信号分类第2章BP神经网络的非线性系统建模--非线性函数拟合第3章遗传算法优化BP神经网络--非线性函数拟合第4章神经网络遗传算法函数极值寻优--非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计--公司财务预警建模第6章PID神经元网络解耦控制算法--多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN的数据预测--基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆--数字识别第10章离散Hopfield神经网络的分类--高校科研能力评价第11章连续Hopfield神经网络的优化--旅行商问题优化计算第12章SVM的数据分类预测--意大利葡萄酒种类识别第13章SVM的参数优化--如何更好的提升分类器的功能第14章SVM的回归预测分析--上证指数开盘指数预测第15章SVM的信息粒化时序回归预测--上证指数开盘指数变化趋势和变化空间预测第16章自组织竞争网络在模式分类中的应用--患者癌症发病预测第17章SOM神经网络的数据分类--柴油机故障诊断第18章Elman神经网络的数据预测--电力负荷预测模型研究第19章概率神经网络的分类预测--基于PNN的变压器故障诊断第20章神经网络变量筛选--基于BP的神经网络变量筛选第21章LVQ神经网络的分类--乳腺肿瘤诊断第22章LVQ神经网络的预测--人脸朝向识别第23章小波神经网络的时间序列预测--短时交通流量预测第24章模糊神经网络的预测算法--嘉陵江水质评价第25章广义神经网络的聚类算法--网络入侵聚类第26章粒子群优化算法的寻优算法--非线性函数极值寻优第27章遗传算法优化计算--建模自变量降维第28章基于灰色神经网络的预测算法研究--订单需求预测第29章基于Kohonen网络的聚类算法--网络入侵聚类第30章神经网络GUI的实现--基于GUI的神经网络拟合、模式识别、聚类
2021/6/17 23:08:54
61.64MB
1
收集到四川大学计算机学院计算机网络期末考试题15年到14年期末考试题目，对期末复习很有协助，也可以看看这门挂科率过半的期末考试题
2016/2/22 11:29:52
49.49MB
1
本项目是一个基于安卓的象棋项目源码，为联网游戏而设计的。
配有java服务端，不过只能单开。
我没有测试具体的功能，感兴味的可以自己链接数据库试试吧。
下面是运行指南和开发设计文档。
本源码分为客户端和服务端客户端编译即可运行，socket连接为：127.0.0.1:9898运行服务端时，需要使用MySQL建表,建表语句如下：createdatabasechinachess;usechinachess;createtableuser(idintprimarykeyauto_increment,namechar(10)uniquenotnull,passwordchar(16)notnull,headintdefault0,scoreintdefault0,victory_countintdefault0,defeat_countintdefault0,draw_countintdefault0,join_timedatetime)charsetutf8collateutf8_general_ci;服务端DbUtil.java里面有连接数据库的配置简单的设计文档：1.图片收集①背景图片②棋子图片③按钮图片2.音乐收集①背景音乐②按钮点击音乐③选子音乐④吃子音乐⑤走棋音乐⑥胜利音乐⑦失败音乐3.界面设计（photoshop画图）①加载界面②菜单界面④匹配界面⑤游戏界面⑥结算界面4.技术点①socket②多线程同步③MySQL连接④游戏逻辑⑤通信数据格式5.软件①Java环境②安卓开发环境（adtbundle）③MySQL5.76.数据处理byte数据头*0:分割--发往服务器*1:登陆*2.注册*3.消息*4:匹配游戏*5:走棋*6:求和*7:同意求和*8:悔棋*9:同意悔棋*10:认输*11:心跳包--发往用户*12:登陆回调*13:注册回调*14:开始游戏*15:游戏数据*16:游戏结束7.游戏规则①车走直线，不能挡车②马走日，前压马腿③象走田，前压象腿，不可越河④士空走斜一，吃走斜一，不可越将营⑤将走直一，（吃将可走直线可越将营），不可越将营⑥炮空走直线，吃走炮台⑦兵可进不可退，走直一8.绝杀（选）定义：无论怎么走，将都会被杀的棋叫做绝杀实现：扫描每个己方棋子的每一步，只要有一步致使不会死帅，就不是绝杀之棋9.智能AI（略）10.流程
配有java服务端，不过只能单开。
我没有测试具体的功能，感兴味的可以自己链接数据库试试吧。
下面是运行指南和开发设计文档。
本源码分为客户端和服务端客户端编译即可运行，socket连接为：127.0.0.1:9898运行服务端时，需要使用MySQL建表,建表语句如下：createdatabasechinachess;usechinachess;createtableuser(idintprimarykeyauto_increment,namechar(10)uniquenotnull,passwordchar(16)notnull,headintdefault0,scoreintdefault0,victory_countintdefault0,defeat_countintdefault0,draw_countintdefault0,join_timedatetime)charsetutf8collateutf8_general_ci;服务端DbUtil.java里面有连接数据库的配置简单的设计文档：1.图片收集①背景图片②棋子图片③按钮图片2.音乐收集①背景音乐②按钮点击音乐③选子音乐④吃子音乐⑤走棋音乐⑥胜利音乐⑦失败音乐3.界面设计（photoshop画图）①加载界面②菜单界面④匹配界面⑤游戏界面⑥结算界面4.技术点①socket②多线程同步③MySQL连接④游戏逻辑⑤通信数据格式5.软件①Java环境②安卓开发环境（adtbundle）③MySQL5.76.数据处理byte数据头*0:分割--发往服务器*1:登陆*2.注册*3.消息*4:匹配游戏*5:走棋*6:求和*7:同意求和*8:悔棋*9:同意悔棋*10:认输*11:心跳包--发往用户*12:登陆回调*13:注册回调*14:开始游戏*15:游戏数据*16:游戏结束7.游戏规则①车走直线，不能挡车②马走日，前压马腿③象走田，前压象腿，不可越河④士空走斜一，吃走斜一，不可越将营⑤将走直一，（吃将可走直线可越将营），不可越将营⑥炮空走直线，吃走炮台⑦兵可进不可退，走直一8.绝杀（选）定义：无论怎么走，将都会被杀的棋叫做绝杀实现：扫描每个己方棋子的每一步，只要有一步致使不会死帅，就不是绝杀之棋9.智能AI（略）10.流程
2016/9/16 23:47:37
8.27MB
1
FluentUDF手册+UDF案例，版本为15.0pdf格局。
ANSYSFluentUDFManual+AdvancedUserDefinedFunction(UDF)Tutorials，release15.0
ANSYSFluentUDFManual+AdvancedUserDefinedFunction(UDF)Tutorials，release15.0
2021/8/9 12:31:29
9.56MB
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