最近学习COREapi,给大家来个API上传资源1，1c#ajax调用webapi上传图片、传值demo，2C#web上传下载文件源码.rar，3c#Web异步上传图片和海量图片上传案例.zip

在云中渲染Blender3D场景（使用Docker）一个简单的Web应用程序，可使用自定义文本呈现3D场景。
使用dockerrun-p8080:8080gcr.io/as-a-service-dev/renderAPI网址参数：text：要渲染的文本，默认为HELLO。
scene：要渲染的.blend文件的名称（不带扩展名），默认为basic，其他受支持的值是outrun和outrun-filter。
示例：/?text=OUTRUN&scene=outrun带上自己的3D场景：创建一个Blender场景，您的场景必须包含一个名称为Text的文本对象，将您的.blend文件添加到models/文件夹中，在本地运行服务器使用dockerbuild.-trenderdockerbuild.-trender从dockerrun-p8080:8080render在浏览器中打开http://localhost:8080/?text=Hey

BP神经网络关于空气污染物含量预测，用MATLAB来实现的。
使用MATLAB编程计算:clo,clear,closea11lond('p.mat')%加载数输出变量load('T.mat')》加载数据当创建一个BP神经网络，每个输入向量的取值范围为10,11,隐含层有7个神经元，输出层有一个3神经元，隐含层的激活函数为tansig,输出层的激活函数为purelin,训练函数为trainc函数

AdvancesinDirection-of-ArrivalEstimationpdf高清English2005BookDescriptionBecausethedirectiontotargetsisusuallyexpressedbythedirectionofarrival(DOA)oftransmittedsignals,determiningthedirectionofarrival(DOA)ofanysignalisofcriticalimportancetoelectricalengineersworkingonbothcivilianandtacticalapplicationsinradarandcommunications.Thiscutting-edgeresourcepresentsthelatestdevelopmentsinDOAestimationfromtheleadingresearchersinthefield.Thefirstcompiledbookinthefield,thisin-depthreferencecoversawiderangeofkeytopics,fromDOAestimationmethodsandsourcelocalizationproblems,tospecificapplicationsofDOAestimationandexperimentalsetupandresults.PractitionersdiscoverhowDOAestimationisoneofthemainfunctionalrequirementsfordirection-findingsmartantennasinnextgenerationmobileandstealthcommunicationsystems.Thebookalsoservesasanexcellenttextforgraduatestudentsandresearchersstudyinginthisarea.关于DOA估计、波束形成方面的书本人费好大劲才从“国防科技论坛上”下载的，辛苦啊！物有所值

详见博客：http://blog.csdn.net/caoshangpa/article/details/51973902

//题目：排序系统设计//功能：设编号为1，2，3，……，n的n(n＞0)个人按顺时针方向围坐一圈，每个人持有一个正整数密码。
开始时任选一个正整数做为报数上限m，从第一个人开始顺时针方向自1起顺序报数，报到m是停止报数，报m的人出列，将他的密码作为新的m值，从他的下一个人开始重新从1报数。
如此下去，直到所有人全部出列为止。
令n最大值取30。
要求设计一个程序模拟此过程，求出出列编号序列。
//分步实施：1初步完成总体设计，搭好框架，确定人机对话的界面，确定函数个数；
2完成最低要求：建立一个文件，包括某人5个人的情况。
3进一步要求：有兴趣的同学可以自己扩充系统功能。
//要求：1）界面友好，函数功能要划分好//2）总体设计应画一流程图//3）程序要加必要的注释//4）要提供程序测试方案//5)程序一定要经得起测试，宁可功能少一些，也要能运行起来，不能运行的程序是没有价值的。

用数字信号完成对数字量进行算术运算和逻辑运算的电路称为数字电路，或数字系统。
由于它具有逻辑运算和逻辑处理功能，所以又称数字逻辑电路。
现代的数字电路由半导体工艺制成的若干数字集成器件构造而成。
逻辑门是数字逻辑电路的基本单元。
存储器是用来存储二值数据的数字电路。
从整体上看，数字电路可以分为组合逻辑电路和时序逻辑电路两大类

这个程序是老师布置的随堂作业，能够实现正弦波，三角波和方波三种图形，同时还可以自己对频率，幅值等参数调节，是初学者上手实验的最佳程序之一。
里面包含显示器，输入显示控件，按钮，波形器，以及簇，while循环等功能。

Matlab写的区域生长图像分割程序。
%区域生长算法:regionfunctionLabelImage=region(image,seed,Threshold,maxv)%image:输入图像%seed：种子点坐标堆栈%threshold：用邻域近似生长规则的阈值%maxv：所有生长的像素的范围小于maxv%LabelImage:输出的标记图像，其中每个像素所述区域标记为rn[seedNum,tem]=size(seed);%seedNum为种子个数[Width,Height]=size(image);LabelImage=zeros(Width,Height);rn=0;%区域标记号码fori=1:seedNum%从没有被标记的种子点开始进行生长ifLabelImage(seed(i,1),seed(i,2))==0rn=rn+1;%%对当前生长区域赋标号值LabelImage(seed(i,1),seed(i,2))=rn;%endstack(1,1)=seed(i,1);%将种子点压入堆栈（堆栈用来在生长过程中的数据坐标）stack(1,2)=seed(i,2);Start=1;%定义堆栈起点和终点End=1;while(Start＜=End)%当前种子点坐标CurrX=stack(Start,1);CurrY=stack(Start,2);%对当前点的8邻域进行遍历form=-1:1forn=-1:1%%判断像素（CurrX，CurrY）是否在图像内部%rule1=(CurrX+m)=1&(CurrY+n)=1;%%判断像素（CurrX，CurrY）是否已经处理过%rule2=LabelImage(CurrX+m,CurrY+n)==0;%%判断生长条件是否满足%rule3=abs(double(image(CurrX,CurrY))-double(image(CurrX+m,CurrY+n)))＜Threshold;%%条件组合%rules=rule1&rule2&rule3;if(CurrX+m)=1&(CurrY+n)=1&LabelImage(CurrX+m,CurrY+n)==0&abs(double(image(CurrX,CurrY))-double(image(CurrX+m,CurrY+n)))＜=Threshold&image(CurrX+m,CurrY+n)0%堆栈的尾部指针后移一位End=End+1;%像素（CurrX+m,CurrY+n)压入堆栈stack(End,1)=CurrX+m;stack(End,2)=CurrY+n;%把像素（CurrX,CurrY)设置成逻辑1LabelImage(CurrX+m,CurrY+n)=rn;endendend%堆栈的尾部指针后移一位Start=Start+1;endend

本资源为纯python实现mnist手写体识别的代码，为作者本人所写，供深度学习初学者共同交流探讨，欢迎二次创作，网络为三层，可达到97%上准确率，模型可以选择多种训练方式，学习率，激活函数，损失函数等我都写了相关函数，可以选择，模型也可以自由变换，只需要改一下前面常量参数值就行。
升级版本正在打包测试过程中，完成后可以自行选择batch—size大小等，具体介绍可以看我置顶博文介绍

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。