AIAA经典教材中译本，【美】G.V.莫里斯等著，航空工业出版社1990年出版

俄罗斯方块（英语：Tetris、俄语：Тетрис）是1980年末期至1990年代初期风靡全世界的电脑游戏，是落下型益智游戏的始祖。
1984年6月6日，是公认的俄罗斯方块诞生纪念日。
它由俄罗斯人阿列克谢·帕基特诺夫发明，故得此名。
有研究者发现玩俄罗斯方块游戏有助于防止创伤后应激障碍的发生，可能是这个游戏能够对大脑储存视觉记忆的功能产生干扰，从而保护病人免受创伤后应激反应的影响。
也有学者发现玩俄罗斯方块并且佩戴一种特殊的眼镜可以治疗儿童弱视。
2014年6月6日，俄罗斯方块迎来30周年诞生纪念日。
而这个是俄罗斯方块的c++版

ISO/IEC9899:1990（C90）官方英文完整版，含完整书签。
其他C标准官方PDF下载链接见：https://blog.csdn.net/jhsword/article/details/107932992包含：C90英文版、C90中文版、C99英文版、C11英文版、C17英文版、C18英文版

Matlab关于人工神经网络在预测中的应用的论文二-人工神经网络模型在研究生招生数量预测中的应用.pdf四、灰色人工神经网络人口总量预测模型及应用摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。
对2005年至2007年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。
关键词：人口总量；
灰色系统；
BP人工神经网络；
灰色人工神经网络模型引言：本文从影响人口增长的诸多因素中筛选出6个主要因素，结合灰色系统思想与神经网络的优点建立了一个灰色人工神经网络（GreyArtificialNeuralNetwork，GANN）预测模型，对每一个指标分别用GM（1，1）模型选择最佳的维数进行预测，再利用神经网络非线性映射的特性把这6个指标进行非线性组合得到人口总量的预测结果。
该模型充分利用灰色系统弱化数据的随机性及其动态性和神经网络非线性映射的特性，发挥两者的优势，从而进一步提高预测精度。
中间内容省略~结语：由于传统遗传算法聚类算法本身的优点：在解决聚类问题上速度快、准确率高，加上免疫网络分类算法可以进行非监督学习，确定聚类数及聚类点，在实际聚类应用中有更广阔的适用性；
在这种独特的聚类算法的基础上，结合粗糙集理论构建了一种图像分割算法；
同时，通过实验证明该方法不但比传统的FCM算法聚类速度快，分割效果好，而且比文献[2]的分割准确度还要高。
由于该方法有在聚类上的无教师监督的独特优点，并且通过对人脑MR图聚类和分割的两个实验，证明了该分割算法比以往分割算法在具体应用上都有一定的提高。
灰色人工神经网络人口总量预测模型及应用.pdf五、人工神经网络模型在研究生招生数量预测中的应用摘要：研究生招生数量的确定涉国家政策、社会就业、人才需求、专业分布与需求等诸多因素，这些影响因素往往无法量化，而且各个影响因素之间关系错综复杂，简单的线性模型预测未来招生数量往往难以实现。
尝试采用人工神经网络模型，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，通过对黑龙江省历年研究生招生数量进行系统分析，建立了人工神经网络预测模型，并对未来3年的招生数量进行了预测，预测结果较好，为该方面研究提供了新的研究思路与研究方法。
关键词:黑龙江省;研究生招生;预测;人工神经网络模型引言：关于研究生招生数量的确定，涉及诸多因素，例如国家政策、社会就业、人才需求、专业分布与需求等等。
这些影响因素往往无法量化，很难找出定量化的因素来进行分析，而这些因素又确确实实在很大程度上影响着研究生招生的数量及其分布。
以往分析预测方法主要是确定性数学模型和随机统计方法，例如有限单元法、有限差分法、灰色理论建模、回归分析、谐波分析、时间序列分析、概率统计法等。
这些方法多以线性理论为基础，考虑问题偏于简单化，导致预测精度不高。
本论文结合黑龙江省1981年—2004年的研究生招生规模，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，探讨应用一种改进的BP网络模型对未来3年黑龙江省研究生招生规模进行预测，为该方面研究提供新的研究思路与研究模式，并渴望为用人单位、科研院校提供制定长远发展与建设规划提供参考。
中间内容省略~结语：采用人工神经网络模型可以有效的处理黑龙江省研究生数量中涉及的人为、政策等随机因素、难以量化等因素的干扰，拟合精度非常高，预测精度也相对较高，为未来研究生招生规模提供科学理论依据，为该方面研究提供新的研究方法与研究思路。
人工神经网络模型在研究生招生数量预测中的应用.pdf六、基于RBF人工神经网络模型预测棉花耗水量摘要：利用MATLAB工具箱，以平均气温、日照时数、平均风速为输入变量，建立了新疆石河子地区棉花耗水量的RBF人工神经网络预测系统，通过2008年实测数据的检验表明，此预测系统网络模型的绝对误差最大为0.0967mm/d、最小为0.0025mm/d、平均为0.0419mm/d，相对误差最大为2.6491%、最小为0.0341%、平均为0.8780%。
可见，网络模型预测的准确度较高，较以往的线性模型更合理，并且此网络训练花费的时间仅需0.0780s，具有一定的实用价值。
关键词：预测；
人工神经网络；
径向基函数；
棉花耗水量引言：计算机人工神经网络是20世纪8

书名:无线通信原理与应用（第二版）——国外电子与通信教材系列作　　者：（美）拉帕波特（RappaportT.S.）著，周文安等译出版社：电子工业出版社出版时间：2006-7-1字　　数：915000版　　次：1页　　数：501印刷时间：2006/07/01开　　本：印　　次：纸　　张：胶版纸ISBN：9787121026584包　　装：平装所属分类：图书＞＞工业技术＞＞电子通信＞＞无线通信定价：￥49.00本店价：￥39.40折扣：80折内容简介本书是一本高等学校无线通信课程的权威教材。
全书深入浅出地讨论了无线通信技术与系统设计方面的内容，包括无线网络涉及的所有基本课题（特别是3G系统和无线局域网），并且讲解了无线网络技术的最新发展和全球主要的无线通信标准。
全书共分为11章，集中讨论了蜂窝的概念、移动无线电传播、调制技术、多址技术及无线系统与标准，并结合理论对无线通信系统的各个方面进行精辟的论述和统计分析。
本书的语言生动、流畅，并以详细的讲解和实际的例子来阐明重要的知识点。
本书适合作为通信工程和电子信息类相关专业高年级本科生和研究生的教材，并对有一定通信理论基础的工程技术人员和也有很好的参考价值。
作者简介TheodoreS.Rappaport：得克萨斯大学电子工程系教授，并且是PrenticeHall的通信工程与新兴技术系列丛书的主编。
Rappaport教授于1990年成立了移动与便携无线电研究小组（MPRG），这是世界上第一个关注无线通信的大学研究机构与教育基地。
Rappaport教授开发了十几种商业产品，现在均已被主要的几家通信运营商和厂商使用。
目录第1章无线通信系统概述1.1移动无线通信的发展1.2美国移动无线电话1.3全球移动通信系统1.4无线通信系统的实例1.5蜂窝无线通信和个人通信的发展趋势1.6习题第2章现代无线通信系统2.12G峰窝网络2.23G无线网络2.3无线本地环路（WLL）与LMDS2.4无线局域网（WLAN）2.5蓝牙和个域网（PAN）2.6小结2.7习题第3章关于蜂窝的概念：系统设计基础3.1概述3.2频率复用3.3信道分配策略3.4切换策略3.5干扰和系统容量3.6中继和服务等级3.7提高蜂窝系统容量3.8小结3.9习题第4章移动无线电传播：大尺度路径损耗4.1无线电波传播介绍4.2自由空间传播模型4.3电场和电功率4.4三种基本传播机制4.5反射4.6地面反射（双线）模型4.7绕射……第5章移动无线电传播：小尺度衰落和多径效应第6章移动无线电系统中的调制技术第7章均衡、分集和信道编码第8章语音编码第9章无线通信多址技术第10章无线网络第11章无线系统和标准附录A中继理论附录B链路预算中的噪声系数计算附录C成型因子理论中的方差率关系式附录D成型因子理论中的近似空间自协方差函数附录E扩频CDMA的高斯近似附录FQ、ert和erfc函数附录G数学公式表附录H缩略词附录I参考文献索引

美国当代英语语料库（CorpusofContemporaryAmericanEnglish，简称COCA），用计算机统计英语单词词频并排序，已包含5.6亿字的文本，是目前最大的免费英语语料库。
1990年至2017年，COCA以每年2000万字的速度更新扩充，以保证语料库内容的时效性。
其语料均衡分布在口语、小说、杂志、报纸以及学术文章五类文体中，被认为是用来观察美国英语当前发展变化的最合适的英语语料库，也是广大英语爱好者的学习宝库。

国内最为典型详尽的数理逻辑课本。
中国迷信本领大学出书社1990年出书。
搜罗命题逻辑、谓词逻辑、哥德尔不残缺性定理等内容。
下载后能够经由AdobePDF虚构打印机打印成PDF文档。

此文档是我总体参考华为嵌入式C语言，MISRA-C-:2004,ISO/IEC9899:1990.Progra妹妹inglanguages-C等文献，松散自身责任阅历以及对于C语言的知道做的一个嵌入式C语言编程尺度。

c语言国内尺度c89c90ISO.IEC9899.1990英文版下载积分已经更正扫描版不喜勿下

软件设计师历年真题及详细答案解析，2008-2017年，1990-2000年的标题和答案解析。

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。