1、基本完全代替编写存储过程的工作任务。
2、让不会写存储过程的测试人员，也可顺利完成加压测试工作。
3、让会写存储过程的测试人员，短时间内完成存储过程编写。
4、可生成现行业主流的不同数据库类型的存储过程。
5、添加的数据符合项目真实客户环境，数据类型和长度和任意定制化。
6、保证添加的数据绝对正确、绝对真实。
7、后期可任意定制化项目的存储过程。
比DataFactory更好用，更智能。

LTSPICE电路仿真软件凌力尔特公司推出LTspiceIV，这是其免费SPICE电路仿真软件LTspice/SwitcherCADIII所做的一次重大更新。
LTspiceIV具有专为提升现有多内核处理器的利用率而设计的多线程求解器。
另外，该软件还内置了新型SPARSE矩阵求解器，这种求解器采用汇编语言，旨在接近现用FPU(浮点处理单元)的理论浮点计算限值。
当采用四核处理器时，LTspiceIV可将大中型电路的仿真速度提高3倍。

每次需要SpringMVC的web项目测试一些东西时,都苦于手头上没有最简单的SpringMVC的web项目,现写一个SpringMVC完整搭建项目，下载即可运行，供初学者学习

【目录】-MATLAB神经网络30个案例分析(开发实例系列图书)第1章BP神经网络的数据分类——语音特征信号分类1本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。
第2章BP神经网络的非线性系统建模——非线性函数拟合11本章拟合的非线性函数为y=x21+x22。
第3章遗传算法优化BP神经网络——非线性函数拟合21根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。
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36对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。
这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。
第5章基于BP_Adaboost的强分类器设计——公司财务预警建模45BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。
第6章PID神经元网络解耦控制算法——多变量系统控制54根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。
第7章RBF网络的回归——非线性函数回归的实现65本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。
将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。
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73根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。
第9章离散Hopfield神经网络的联想记忆——数字识别81根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。
要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。
第10章离散Hopfield神经网络的分类——高校科研能力评价90某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。
第11章连续Hopfield神经网络的优化——旅行商问题优化计算100现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。
第12章SVM的数据分类预测——意大利葡萄酒种类识别112将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。
第13章SVM的参数优化——如何更好的提升分类器的性能122本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。
第14章SVM的回归预测分析——上证指数开盘指数预测133对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。
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141在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。
若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。
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153本案例中给出了一个含有60个个体基因表达水平的样本。
每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类),中间的20个样本是正常人的基因表达信息样本,余下的20个样本是待检测的样本(未知它们是否正常)。
以下将设法找出癌症与正常样本在基因表达水平上的区

在自家老电脑里提取出来的，大概是1998年的版本，经典游戏《打砖块》，win95/98可以玩，xp和nt应该也可以没试过，win10和7经测试可以使用，现分享给大家，欢迎讨论与建群分享

本人测试补丁完美破解现目前官网最新版本，8.5.150529已测试，全新UI，自带ERP系统；
适合2015版全系版本，包括未来更新的版本。

云计算（cloudcomputing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。
云计算早期，简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。
因而，云计算又称为网格计算。
通过这项技术，可以在很短的时间内（几秒种）完成对数以万计的数据的处理，从而达到强大的网络服务。
现阶段所说的云服务已经不单单是一种分布式计算，而是分布式计算、效用计算、负载均衡、并行计算、网络存储、热备份冗杂和虚拟化等计算机技术混合演进并跃升的结果。

非常好用的编辑、转换、与实时预览Markdown文档的软件，可惜官方版本在Win10系统下无法实时预览，虽说可以通过安装awesomium_v1.6.6_sdk_win.exe来解决，但为此平添安装个110MB的东东实在心有不甘，于是修改了一下官版的组件，完美解决Win10系统下的实时预览（但没测试Win7系统），附和谐码。
好东东不敢独享，现分享给需要的XDJM们~

ARTOOLKIT官网极难登上，开发artoolkit要看文档发现突然断片!!!幸好早些时候有下载备份，现供有需求的同学下载（ProvidesaC++wrapperaroundARToolKitandexposesaCandJNIAPI）

Pi币（PInetwork），斯坦福大学团队打造，号称2019手机比特币，手机即可注册免费挖矿，一分钱都不用投资，不需要身份信息，每天点一次收矿，每天挖矿12个以上，先挖矿屯币，即将开通内部交易。
PiNetwork的优势：1、Pi是斯坦福大学的博士团队所设计。
2、Pi的手机挖矿与比特币不同（比特币采用POW），Pi减少对能源的依赖。
3、移动互联网时代，智能手机挖矿方便，降低了准入门槛，人人都可参与。
4、零投入，不浪费时间。
只需每24小时点击一次挖矿的按钮，即可挖矿。
5、目前全球已有170多个国家的人参与，但现阶段正处于挖矿早期。

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。