相控阵天线讲的深入浅出，很有参考价值1Radiation11.1TheEarlyHistoryofElectricityandMagnetism11.2JamesClerkMaxwell,TheUnionofElectricityandMagnetism81.3RadiationbyAcceleratedCharge101.4ReactiveandRadiatingElectromagneticFields18References182Antennas192.1TheEarlyHistoryofAntennas192.1.1ResonantElectricCircuit202.1.2HeinrichHertz:TheFirstAntennaandRadioSystem232.1.3GuglielmoMarconi,theDawnofWirelessCommunication28viCONTENTS2.1.4AftertheFirstTransatlanticTransmission352.1.5Directivity402.2AntennaDevelopmentsDuringtheFirstWorldWar442.3AntennaDevelopmentsinBetweentheWars472.3.1Broadcasting472.3.2Microwaves482.4AntennaDevelopmentsDuringtheSecondWorldWar502.4.1Radar502.4.2OtherAntennaDevelopments602.5Post-WarAntennaDevelopments722.5.1FrequencyIndependentAntennas732.5.2HelicalAntenna742.5.3MicrostripPatchAntenna752.5.4PhasedArrayAntenna76References803AntennaParameters833.1RadiationPattern833.1.1FieldRegions843.1.2Three-DimensionalRadiationPattern873.1.3PlanarCuts913.1.4PowerPatternsandLogarithmicScale963.1.5DirectivityandGain983.1.6Reciprocity1013.1.7AntennaBeamwidth1023.2AntennaImpedanceandBandwidth1033.3Polarisation1073.3.1EllipticalPolarisation1073.3.2CircularPolarisation1093.3.3LinearPolarisation1103.3.4AxialRatio1103.4AntennaEffectiveAreaandVectorEffectiveLength1123.4.1EffectiveArea1123.4.2VectorEffectiveLength1143.5RadioEquation1153.6RadarEquation1173.6.1RadarCross-Section118References120CONTENTSvii4TheLinearBroadsideArrayAntenna1234.1ALinearArrayofNon-IsotropicPoint-SourceRadiators1234.2PlaneWaves1244.3ReceivedSignal1264.4ArrayFactor1314.5SideLobesandGratingLobes1314.5.1FirstSide-LobeLevel1314.5.2GratingLobes1324.6AmplitudeTaper133References1355Designofa4-Element,Linear,Broadside,Microstrip

Linear.Systems.and.Signals[线性系统与信号].B.P.Lathi,Linear.Systems.and.Signals.刘树棠译完整版

Unity在Gamma空间下实现线性渲染本shader精简了一部分项目中不需要的功能。
可以避免因为试用线性渲染导致UI的通明度叠加差异

支持向量机SVM求解鸢尾花分类成绩,分别用rbf、poly、linear核函数求解

线性回归餐厅情感分析目录表描述线性回归机器学习模型可预测评论是肯定的还能否定的。
它以86％的准确度正确预测正确的标签。
技术领域使用以下项目创建项目：python版本：3.9.1NumPy库版本：1.20.0熊猫库版本：1.2.2数据集制作数据集后，每个功能都是代表餐厅评论中所使用单词的存在或不存在的分类特征（0、1）。
常见词（例如“the”，“a”等）未分类。
每行代表一个点（餐厅评论），每列代表其特征（评论中能否使用单词）。
除了评论是肯定的（1）还能否定的（0），每列都是除包含标签的最后一列之外的单独功能。
设置下载.py文件，training_dataset，validation_dataset和权重文件。
将它们放在单个文件或项目文件中。
运行代码将以下内容添加到类文件中：x=logistic_regression("train_d

支持向量数据描述(SupportVectorDataDescription,SVDD)语言：MATLAB版本：V2.1-----------------------------------------------------创作不易，欢迎各位5星好评~~~如有疑问或建议，请发邮件至：iqiukp@outlook.com可提供关于该算法/代码的付费咨询和有偿编写-----------------------------------------------------主要特点1.支持单值分类和二值分类的超球体构建2.支持多种核函数(linear,gaussian,polynomial,sigmoid,laplacian)3.支持2D或3D数据的决策边界可视化4.支持基于贝叶斯超参数优化、遗传算法和粒子群算法的SVDD的参数优化5.支持加权的SVDD-----------------------------------------------------注意1.SVDDV2.1仅支持R2016b以上的MATLAB版本2.正样本和负样本对应的标签分别为1和-13.提供了多个示例文件，每个文件的开头都有对应的引见4.此代码仅供参考5.可以阅读“SVDD-V2.1使用说明.pdf”文件了解更多用法

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。