PB下漂亮的开源界面框架Kodigo最新版,含源码,与3.0版有很大的不同,绘图部分改用GDI+,而且不再采用PBNI的方式来管理窗口消息
2025/3/30 3:34:45 1.93MB PB Kodigo PowerBuilder 界面框架
1
此资源包含了用户需求说明文档、用JSP编写的WEB网页模板以及用MyEclipse6.5、Tomcat6.0S、QLServer2005、Struts2、Spring3.0、Hibernate3.3等技术编写的源代码。
整个项目采用MVC模式,应用StrutsSpringHibernate三个框架实现了一个小区管理系统。
分为View层(显示层)、Control层(控制层)、Service层(业务逻辑层)、DAO层(数据库访问对象层)。
利用Spring的依赖注入和面向切面特性,hibernate的数据持久化技术、Struts的控制器实现了楼栋管理模块,房间管理模块,业主管理模块,收费管理模块,物资设备管理,管理员管理等模块。
2025/3/30 2:52:40 8.98MB 小区物业
1
多阶段伪谱法的基本实现的matlab代码,便于学习和改造成自己的实现。
建立了伪谱法的通用框架,目前包含切比雪夫和勒让德伪谱法,可以很容易加入其它伪谱法,也可以进一步加入分段策略改造成hp自适应伪谱法。
包含一些算例,如速降线,月面着陆。
2025/3/29 17:11:34 83KB 最优控制 伪谱法 航空航天
1
DeepLearningToolbox™提供了一个框架,用于设计和实现具有算法,预训练模型和应用程序的深度神经网络。
您可以使用卷积神经网络(ConvNets,CNN)和长期短期记忆(LSTM)网络对图像,时间序列和文本数据进行分类和回归。
应用程序和图表可帮助您可视化激活,编辑网络体系结构以及监控培训进度。
对于小型训练集,您可以使用预训练的深层网络模型(包括SqueezeNet,Inception-v3,ResNet-101,GoogLeNet和VGG-19)以及从TensorFlow™-Keras和Caffe导入的模型执行传输学习。
了解深度学习工具箱的基础知识深度学习图像从头开始训练卷积神经网络或使用预训练网络快速学习新任务使用时间序列,序列和文本进行深度学习为时间序列分类,回归和预测任务创建和训练网络深度学习调整和可视化绘制培训进度,评估准确性,进行预测,调整培训选项以及可视化网络学习的功能并行和云中的深度学习通过本地或云中的多个GPU扩展深度学习,并以交互方式或批量作业培训多个网络深度学习应用通过计算机视觉,图像处理,自动驾驶,信号和音频扩展深度学习工作流程深度学习导入,导出和自定义导入和导出网络,定义自定义深度学习图层以及自定义数据存储深度学习代码生成生成MATLAB代码或CUDA®和C++代码和部署深学习网络函数逼近和聚类使用浅层神经网络执行回归,分类和聚类时间序列和控制系统基于浅网络的模型非线性动态系统;使用顺序数据进行预测。
2025/3/29 11:02:30 14.06MB deep l matlab 深度学习
1
基于shopcz的后台服装管理系统,使用的语言是PHP,基于MVC框架编写!实现的功能有:对mysql图片上传显示,登录状态验证、密码MD5加密、修改信息,新增信息,删除信息!适合初学者学习php,了解MVC框架的结构。
若下载者有疑问,可以联系本人QQ邮箱:hezhimingabc@qq.com
2025/3/28 18:04:03 1.13MB shopcz_PHP
1
在分布式服务框架中,一个最基础的问题就是远程服务是怎么通讯的,在Java领域中有很多可实现远程通讯的技术,例如:RMI、MINA、ESB、Burlap、Hessian、SOAP、EJB和JMS等,这些名词之间到底是些什么关系呢,它们背后到底是基于什么原理实现的呢,了解这些是实现分布式服务框架的基础知识,而如果在性能上有高的要求的话,那深入了解这些技术背后的机制就是必须的了,在这篇blog中我们将来一探究竟,抛砖引玉,欢迎大家提供更多的实现远程通讯的技术和原理的介绍。
要实现网络机器间的通讯,首先得来看看计算机系统网络通信的基本原理,在底层层面去看,网络通信需要做的就是将流从一台计算机传输到另外一
1
(1)坐标形式转换,BLH与XYZ的互换,高斯投影正反算与邻带换算等。
(2)大地问题解算。
正反算,支持贝塞尔方法、高斯平均引数方法和韦森特方法。
(3)参考椭球变换。
椭球变换与椭球变换参数的求取。
(4)参考框架变换。
历元变换、速度变换、坐标变换、历元速度坐标变换等。
(5)平差计算。
水准网平差、三角高程网平差、GPS网平差。
(6)IGS观测数据与精密星历下载。
(7)GNSS观测数据质量检查(支持GPS和GLONASS,支持总览图绘制和按星绘图)。
(8)RTK定位结果精度分析(可应用于单点多历元各类XYZ坐标类型的点位精度分析)。
(8)GNSS水准高程拟合。
移动曲面法(含平面、二次曲面、加权平均法)、整体拟合法(平面、二次曲面、三次曲面)。
(9)时间变换。
历书时、儒略日、GPS时、年积日等之间的转换。
(10)图幅编号计算。
新旧图幅编号计算与范围计算,地形图图幅编码计算。
2025/3/27 4:49:42 11.32MB 大地测量 计算工具集
1
通过对前端如何技术选型的分析,清晰深入的对前端常见框架jquery,vue,react,angular的横向分析对比。
2025/3/27 1:47:12 195KB jQuery vue react angular
1
革命交换Revolut类似于ExchangeUI的实现,使用:用于服务器端渲染的作为UI框架用于原子CSS生成和用于远程数据获取fordataviz和用于单元测试用于端到端测试的视觉发展了解汇率部署:在本地尝试设置源代码➜git@github.com:Meemaw/revolut-exchange.git➜cdrevolut-exchange➜yarn启动开发服务器➜yarndev笔记当process.env.NODE_ENV!=='production'时,将使用模拟API以避免免费配额的使用。
历史数据完全被嘲笑,因
2025/3/26 18:54:57 318KB react typescript ssr nextjs
1
本系统采用企业级开发标准,使用SpringBoot架构,数据访问层采用SpringDataJpa,业务控制层采用SpringMvc,安全框架采用Shiro,实现了完整权限系统,Controller方法采用shiro注解,来实现有效的权限控制;
界面采用了Easyui技术;
本视频教程详细讲解了次系统的完整开发,亮点是SpringBoot的综合应用,以及权限系统的设计,以及基于Shiro的安全控制,以及Easyui的高级应用工具:eclipse+mysql+JDK+tomcat技术:SpringBoot+SpringDataJpa++SpringMvc+Shiro安全认证+完整权限系统+easyui
2025/3/25 19:22:19 1.56MB jav
1
共 1000 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡