第一章人工神经网络…………………………………………………3§1.1人工神经网络简介…………………………………………………………31．1人工神经网络的起源……………………………………………………31．2人工神经网络的特点及应用……………………………………………3§1.2人工神经网络的结构…………………………………………………42．1神经元及其特性…………………………………………………………52．2神经网络的基本类型………………………………………………62.2.1人工神经网络的基本特性……………………………………62.2.2人工神经网络的基本结构……………………………………62.2.3人工神经网络的主要学习算法………………………………7§1.3人工神经网络的典型模型………………………………………………73．1Hopfield网络…………………………………………………………73．2反向传播(BP)网络……………………………………………………83．3Kohonen网络…………………………………………………………83．4自适应共振理论(ART)……………………………………………………93．5学习矢量量化（LVQ）网络…………………………………………11§1.4多层前馈神经网络（ＢＰ）模型…………………………………………124．1BP网络模型特点 ……………………………………………………124．2BP网络学习算法………………………………………………………134.2.1信息的正向传递………………………………………………134.2.2利用梯度下降法求权值变化及误差的反向传播………………144．3网络的训练过程………………………………………………………154．4BP算法的改进………………………………………………………154.4.1附加动量法………………………………………………………154.4.2自适应学习速率…………………………………………………164.4.3动量-自适应学习速率调整算法………………………………174．5网络的设计………………………………………………………………174.5.1网络的层数…………………………………………………174.5.2隐含层的神经元数……………………………………………174.5.3初始权值的选取………………………………………………174.5.4学习速率…………………………………………………………17§1.5软件的实现………………………………………………………………18第二章遗传算法………………………………………………………19§2.1遗传算法简介………………………………………………………………19§2.2遗传算法的特点…………………………………………………………19§2.3遗传算法的操作程序………………………………………………………20§2.4遗传算法的设计……………………………………………………………20第三章基于神经网络的水布垭面板堆石坝变形控制与预测§3.1概述…………………………………………………………………………23§3.2样本的选取………………………………………………………………24§3.3神经网络结构的确定………………………………………………………25§3.4样本的预处理与网络的训练……………………………………………254．1样本的预处理………………………………………………………254．2网络的训练……………………………………………………26§3.5水布垭面板堆石坝垂直压缩模量的控制与变形的预测…………………305．1面板堆石坝堆石体垂直压缩模量的控制……………………………305．2水布垭面板堆石坝变形的预测……………………………………355．3BP网络与COPEL公司及国内的经验公式的预测结果比较…35§3.6结论与建议………………………………………………………………38第四章BP网络与遗传算法在面板堆石坝设计参数控制中的应用§4.1概述………………………………………………………………………39§4.2遗传算法的程序设计与计算………………………………………………39§4.3结论与建议…………………………………………………………………40参考文献…………………………………………………………………………

电视原理.第一章黑白电视原理1.1光和视觉特性1.2黑白电视系统组成原理1.3电视扫描与同步1.4黑白全电视信号1.5电视图象的基本参量第二章色度学与彩色电视　2.1光与颜色2.2颜色的计量系统2.3电视中彩色的分解与重现2.4电视RGB计色制与彩色正确重现第三章彩色电视制式　3.1概述3.2兼容制彩色电视基础3.3NTSC制3.4PAL制3.5SECAM制简介第四章电视摄像与发送技术　4.1广播电视系统的组成4.2电视摄像机4.3摄象器件4.4电视图像信号的处理4.5同步信号的形成4.6PAL全电视信号的形成4.7电视信号的发送第五章电视接收技术5.1电视接收技术概论5.2高频调谐器5.3图象通道电路5.4解码电路5.5同步分离电路5.6扫描电路5.7显象管及其附属电路第六章电视新技术概论6.1卫星电视广播6.2数字电视6.3高清晰度电视（HDTV)6.4共用天线电视（CATV）系统6.5电视多工广播6.6立体电视

SPH光滑粒子流体动力学中英文都有，中文版本以及英文版的都有，拿去参考吧。
光滑粒子流体动力学-一种无网格粒子法第1章绪论1.1数值模拟1.1.1数值模拟的作用1.1.2一般数值模拟的求解过程1.2基于网格的方法1.2.1拉格朗日网格1.2.2欧拉网格1.2.3拉格朗日网格和欧拉网格的结合1.2.4基于网格的数值方法的局限性1.3无网格法1.4无网格粒子法(MPMS)1.5MPMs的求解策略1.5.1粒子描述法1.5.2粒子近似1.5.3MPMS的求解过程1.6光滑粒子流体动力学(SPH)1.6.1SPH方法1.6.2SPH方法简史1.6.3本书中的SPH方法第2章SPH的概念和基本方程2.1SPH的基本思想2.2SPH的基本方程2.2.1函数的积分表示法2.2.2函数的导数积分表示法2.2.3粒子近似法2.2.4推导SPH公式的一些技巧2.3其他基本概念2.3.1支持域和影响域2.3.2物理影响域2.3.3particle—in-cell(PIC)方法2.4结论第3章光滑函数的构造3.1引言3.2构造光滑函数的条件3.2.1场函数的近似3.2.2场函数导数的近似3.2.3核近似的连续性3.2.4粒子近似的连续性3.3构造光滑函数3.3.1构造多项式光滑函数3.3.2一些相关的问题3.3.3光滑函数构造举例3.4数值测试3.5结论第4章SPH方法在广义流体动力学问题中的应用4.1引言4.2拉格朗日型的Navier—Stokes方程4.2.1有限控制体与无穷小流体单元4.2.2连续性方程4.2.3动量方程4.2.4能量方程4.2.5Navier-Stokes方程4.3用SPH公式解Navier-Stokes方程组4.3.1密度的粒子近似法4.3.2动量方程的粒子近似法4.3.3能量方程的粒子近似法4.4流体动力学的SPH数值相关计算4.4.1人工粘度4.4.2人工热量4.4.3物理粘度4.4.4可变光滑长度4.4.5粒子间相互作用的对称化4.4.6零能模式4.4.7人工压缩率4.4.8边界处理4.4.9时间积分4.5粒子的相互作用4.5.1最近相邻粒子搜索法(NNPS)4.5.2粒子对的相互作用4.6数值算例4.6.1在不可压缩流的应用4.6.2在自由表面流的应用4.6.3SPH对可压缩流的应用4.7结论第5章非连续的SPH(DSPH)5.1引言5.2修正光滑粒子法5.2.1一维情况5.2.2多维情况5.3模拟非连续现象的DSPH公式5.3.1DSPH公式5.3.2非连续的确定5.4数值性能研究5.5冲击波的模拟5.6结论第6章SPH在爆炸模拟中的应用6.1引言6.2HE爆炸和控制方程6.2.1爆炸过程6.2.2HE的稳态爆轰6.2.3控制方程6.3SPH公式6.4光滑长度6.4.1粒子的初始分布6.4.2光滑长度的更新6.4.3优化和松弛过程6.5数值算例6.6应用SPH方法模拟锥孔炸药6.7结论第7章SPH在水下爆炸冲击模拟中的应用7.1引言7.2水下爆炸和控制方程7.2.1水下爆炸冲击的物理特性7.2.2控制方程7.3SPH公式7.4交界面处理7.5数值算例7.6真实爆炸模型与人工爆炸模型的比较研究7.7水介质缓冲模拟7.7.1背景7.7.2模拟设置7.7.3模拟结果7.7.4小结7.8结论第8章SPH方法在具有材料强度的动力学中的应用8.1引言8.2具有材料强度的动力学8.2.1控制方程8.2.2本构模型8.2.3状态方程8.2.4温度8.2.5声速8.3具有材料强度的动力学SPH公式8.4张力不稳定问题8.5自适应光滑粒子流体动力学(ASPH)8.5.1为什么需要ASPH方法8.5.2ASPH的主要思想8.6对具有材料强度的动力学的应用8.7结论第9章与分子动力学耦合的多尺度模拟9.1引言9.2分子动力学9.2.1分子动力学的基本原理9.2.2经典分子动力学9.2.3经典MD模拟9.2.4Poiseuille流的MD模拟9.3MD与FEM和FDM的耦合9.4MD与SPH的耦合9.4.1模型I：双重功能(具有重叠区域的模型)9.4.2模型Ⅱ：力桥(没有重叠区域的模型)9.4.3

pipinstall文件路径\opencv_python‑XXXXXXXXXXXXXXX.whl

《基于模型的系统工程最佳实践》从方法论的角度，描述了基于模型的系统工程最佳实践。
主要从系统工程的视点出发，把系统开发的前期系统工程的工作任务、责任范围，以工作流的方式，解剖得淋漓尽致，为系统的后续开发和系统的确认与验证，提供了无缝衔接。
本书以系统工程实践者为对象，通过众多截屏、注释和最佳实践技巧，帮助读者清晰理解工作流的细节。
本书的目的是帮助读者在集成系统和软件开发中应用基于模型的系统工程标准建模语言SysML。
第1章绪论1.1范围1.2内容概述第2章HarmonySE基础2.1Rational集成系统嵌入式实时开发流程：Harmony2.2基于模型的系统工程流程2.2.1需求分析2.2.2系统功能分析2.2.3设计综合2.2.3.1架构分析(权衡分析研究)2.2.3.2架构设计2.2.4系统工程交付2.3SysML应用于基于模型的系统工程的基本工件2.3.1需求图2.3.2结构图2.3.2.1模块定义图2.3.2.2内部模块图2.3.2.3参数图2.3.3行为图2.3.3.1用例图2.3.3.2活动图2.3.3.3序列图2.3.3.4状态图2.3.4需求分析系统功能分析层次的工件关系2.4服务请求驱动的建模方法第3章Rhapsody项目结构3.1项目结构概览3.2需求分析套件包3.3功能分析套件包3.4设计综合套件包3.4.1架构分析套件包3.4.2架构设计套件包3.5系统层定义第4章案例：安全系统4.1案例工作流4.2创建Harmony项目结构4.3需求分析4.3.1DOORS：涉众需求的导入4.3.2DOORS：系统需求的导入4.3.3关联系统需求到涉众需求4·3.4DOORS一＞Gateway-＞Rhapsody：导入系统需求4.3.5系统级用例定义……第5章交付到子系统开发

opencv_python-3.4.1-cp35-cp35m-win_amd64.whl，windows环境+python3，pip安装不成功的可以手动安装

目录第1章控制系统案例的MATLAB实现1.1MATLAB/Simulink在时域分析中的应用1.2MATLAB在积分中的应用1.3MATLAB在微分方程中的应用1.4MATLAB/Simulink在根轨迹分析中的应用1.5MATLAB在频域响应中的应用1.6MATLAB/Simulink在状态空间中的应用1.7MATLAB在PID控制器设计中的应用1.8MATLAB在导弹系统中的应用第2章通信系统建模与仿真2.1数字信号的传输2.1.1数字信号的基带传输2.1.2数字信号的载波传输2.2扩频系统的仿真2.2.1伪随机码产生2.2.2序列扩频系统第3章通信系统接收机设计3.1利用直接序列扩频技术设计发射机3.2利用IS95前向链路技术设计接收机3.3利用OFDM技术设计接收机3.4通信系统的MATLAB实现第4章调制与解调信号的MATLAB实现4.1调制与解调简述4.2模拟调制与解调4.2.1模拟线性调制4.2.2双边带调幅调制4.2.3单边带调幅调制4.2.4模拟角度调制4.2.5脉冲编码调制第5章神经网络的预测控制5.1系统辨识5.2自校正控制5.2.1单步输出预测5.2.2最小方差控制5.2.3最小方差间接自校正控制5.2.4最小方差直接自校正控制5.3自适应控制5.3.1MIT自适应律5.3.2MIT归一化算法5.4预测控制5.4.1基于CARIMA模型的JGPC5.4.2基于CARMA模型的JGPC第6章控制系统校正方法的MATALB实现6.1PID校正6.1.1PID调节简介6.1.2PID调节规律介绍6.1.3PID调节分析介绍6.2控制系统的根轨迹校正6.2.1根轨迹的超前校正6.2.2根轨迹的滞后校正6.2.3根轨迹的滞后超前校正6.3控制系统的频率校正6.3.1频率法的超前校正6.3.2频率法的滞后校正第7章通信系统的模型分析7.1滤波器的模型分析7.1.1滤波器的类型、参数指标分析7.1.2滤波器相关函数及模拟7.1.3滤波器的相关实现7.2通信系统的基本模型分析7.2.1模拟通信系统的基本模型分析7.2.2数字通信系统的基本模型分析7.3模拟通信系统的建模与仿真分析7.3.1调幅广播系统的仿真分析7.3.2调频立体声广播的信号结构7.3.3彩色电视信号的构成和频谱仿真分析第8章挠性结构振动控制的应用8.1挠性结构的概述8.2挠性结构的主动振动及仿真8.2.1前滤波8.2.2后滤波8.2.3仿真第9章基于小波的信号突变点检测算法研究9.1信号的突变性与小波变换9.2信号的突变点检测原理9.3实验结果与分析9.3.1Daubechies5小波用于检测含有突变点的信号9.3.2Daubechies6小波用于检测突变点第10章小波变换在信号特征检测中的算法研究10.1小波信号特征检测的理论分析10.2实验结果与分析10.2.1突变性检测10.2.2自相似性检测10.2.3趋势检测第11章小波变换图像测试分析11.1概述11.2实例说明11.3输出结果与分析11.4源程序11.4.1nstdhaardemo.m11.4.2thresholdtestdemo.m11.4.3modetest.m11.4.4nstdhaardec2.m11.4.5nstdhaarrec2.m11.4.6mydwt2.m11.4.7myidwt2.m第12章基于小波分析的图像多尺度边缘检测算法研究12.1多尺度边缘检测12.2快速多尺度边缘检测算法12.3实验结果与分析第13章基于小波的信号阈值去噪算法研究13.1阈值去噪方法13.2阈值风险13.3实验结果与分析第14章基于MATLAB的小波快速算法设计14.1小波快速算法设计原理与步骤14.2小波分解算法14.3对称小波分解算法14.4小波重构算法14.5对称小波重构算法14.6MATLAB程序设计实现第15章小波变换检测故障信号与小波类型的选择15.1故障信号检测的理论分析15.2实验结果与分析15.2.1利用小波分析检测传感器故障15.2.2小波类型的选择对于检测突变信号的影响15.3小波类型选择第16章基于小波图像压缩技术的算法研究16.1图像的小波分解算法16.2小波变换系数分析16.3实验结果

序言第1章引言1.1引言1.2本书综述第2章运动2.1引言2.1.1运动的关键问题2.2腿式移动机器人2.2.1腿的构造与稳定性2.2.2腿式机器人运动的例子2.3轮式移动机器人2.3.1轮子运动：设计空间2.3.2轮子运动：实例研究第3章移动机器人运动学3.1引言3.2运动学模型和约束3.2.1表示机器人的位置3.2.2前向运动学模型3.2.3轮子运动学约束3.2.4机器人运动学约束3.2.5举例：机器人运动学模型和约束3.3移动机器人的机动性3.3.1活动性的程度3.3.2可操纵度3.3.3机器人的机动性3.4移动机器人工作空间3.4.1自由度3.4.2完整机器人3.4.3路径和轨迹的考虑3.5基本运动学之外3.6运动控制3.6.1开环控制3.6.2反馈控制第4章感知4.1移动机器人的传感器4.1.1传感器分类4.1.2表征传感器的特性指标4.1.3轮子／电机传感器4.1.4导向传感器4.1.5基于地面的信标4.1.6有源测距4.1.7运动／速度传感器4.1.8基于视觉的传感器4.2表示不确定性4.2.1统计的表示4.2.2误差传播：对不确定的测量进行组合4.3特征提取4.3.1基于距离数据的特征提取(激光、超声和基于视觉测距)4.3.2基于可视表象的特征提取第5章移动机器人的定位5.1引言5.2定位的挑战：噪声和混叠5.2.1传感器噪声5.2.2传感器混叠5.2.3执行器噪声5.2.4里程表位置估计的误差模型5.3定位或不定位：基于定位的导航与编程求解的对比5.4信任度的表示5.4.1单假设信任度5.4.2多假设信任度5.5地图表示方法5.5.1连续的表示方法5.5.2分解策略5.5.3发展水平：地图表示方法的最新挑战5.6基于概率地图的定位5.6.1引言5.6.2马尔可夫定位5.6.3卡尔曼滤波器定位5.7定位系统的其他例子5.7.1基于路标的导航5.7.2全局唯一定位5.7.3定位信标系统5.7.4基于路由的定位5.8自主地图的构建5.8.1随机构图的技术5.8.2其他的构图技术第6章规划与导航6.1引言6.2导航能力：规划和反应6.2.1路径规划6.2.2避障6.3导航的体系结构6.3.1代码重用与共享的模块性6.3.2控制定位6.3.3分解技术6.3.4实例研究：分层机器人结构参考文献

SybaseASE12.5.4ODBC驱动包,4.0.x版本将zip解到d:\\sybasease目录下边，然后注册下边的内容：WindowsRegistryEditorVersion5.00[HKEY_LOCAL_MACHINE\SOFTWARE\ODBC\ODBCINST.INI\ODBCDrivers]"SybaseASEODBCDriver"="installed"[HKEY_LOCAL_MACHINE\SOFTWARE\ODBC\ODBCINST.INI\SybaseASEODBCDriver]"AltDefaults"="1""APILevel"="1""ConnectionFunctions"="YYY""CPTimeout"="60""DriverODBCVer"="04.10""FileUsage"="0""SQLLevel"="0""Driver"="d:\\sybasease\\ODBC\\SYODASE.DLL""Setup"="d:\\sybasease\\ODBC\\SYODASES.DLL""HelpRootDirectory"="d:\\sybasease\\ODBC\\help"

OpenCVforUnity2.4.1+Yolo4+DlibFaceLandmarkDetectorWithOpenCVExample

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。