多年的软件外包项目终积累了很多源码，现在转让各类称重仪表通讯接口源码！包括（台湾联贸UWAK、台湾联贸BSWE、上海三积分、杭州顶松、上海友声XK3100、拖利多8142、杭州衡天HT9800、南方称重8142-07、天津世铨、宁波博达XK3180、杭州衡天HT9800、上海耀华XK3190、宁波柯力D2002、志美PT650F、南京远东XK-3130D2、大华XK3199+、上海彩信XK315A1、聊城昌信XK3168、福州科杰XK3198、四方XK3196、济南金钟、杭州万博WS-822、聊城华科XK3199、上海彩信XK315A2、上海唐衡T9901、杭州衡天HT9800、南京远东XK-3130A4、杭州科利XK3110等国内100种通讯仪表）由于是商业程序，本源码仅提供一种供大家参考！如果有意合作请联系电话15011057336

【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

计算机网络（第5版）[美]特南鲍姆，[美]韦瑟罗尔著，严伟，潘爱民译，清华大学出版社英文版教材为国外原版电子书，非国内英文版。
有对应中英文答案。
我上传过一份同名的文件，很抱歉其中英文版pdf有些小问题，因此更新一下

西门子MAG8000电池流量计MODBUSRTU通讯指南pdf,西门子MAG8000电池流量计MODBUSRTU通讯指南：MAG8000电池式电磁水表，在灌溉、计量收费、水管网和水提取等应用领域得到广泛使用，且支持Modbus通讯和GPRS无线通讯等功能，在国内得到很多用户的青睐，此文主要是详细介绍其Modbus通讯的建立和数据格式，以方便用户更好的使用。

国内学习ns2唯一的中文教材，也是新手必备教材。
虽然年代久远，但是ns2由于其开源，本来就不怎么更新，新手够用！

Sandboxie是土耳其人2006年开发的一个轻量级小型沙箱，至今仍有很多人使用，作者也一直在维护更新。
当时国内做沙箱的还没有几家，大概有Comodo、卡巴斯基等大的安全厂商做过内置沙箱，不过功能性偏重不同，用户体验跟sandboxie有很大差距

JavaScript最新经典教程*Amazon超级畅销书*AJAX程序员必备,,随着国内的计算机图书市场越来越细化，各类引进版和原创图书在各自领域内如雨后春笋般展露头角，各类“经典”和“圣经”横空出世。
但是有一个领域内却一直遗留了大片空白，就是JavaScript类图书。
除了O'Reil

107页的经典泛函分析，入门经典，比国内老是讲述不知道好多少倍

《Java开发实战经典(名师讲坛)》是一本综合讲解Java核心技术的书籍，在书中使用大量的代码及案例进行知识点的分析与运用，并且给出一些比较成熟的开发步骤，帮助读者更好地进行Java的开发。
从作者多年的Java培训经验来看，大部分学生对各种高端开发都没有任何问题，唯一的问题在于Java基础并不牢固，而且在国内也始终没有一本真正可以引领读者入门的好书籍，大部分的书籍都是围绕概念本身进行讲解的，没有讲解清楚为什么要具备这些知识以及该如何去理解这些知识。
《Java开发实战经典(名师讲坛)》真正地做到了让每一位读者都能清楚地知道每个知识点的来龙去脉，不仅可以很容易地看懂一个程序，而且能真正地灵活运用程序，编写代码。
,在学习编程语言时，环境、代码调试等，都是很多读者最头疼的地方，而且很多代码都会存在一些细节上的问题，所以，《Java开发实战经典(名师讲坛)》为了让读者可以更好地理解每一个知识点，将书中所有内容都录制成了视频，让每一位读者真正做到“轻松学Java、从零开始学Java”，以优质的视频教学为每一位读者提供最大的支持。
,“注意”、“提示”、“问答”是《Java开发实战经典(名师讲坛)》的

本书是经过锤炼的优秀教材，已在世界范围内畅销三十多年。
在美国的概率论教材中，本书占有50%以上的市场，被华盛顿大学、斯坦福大学、普度大学、密歇根大学、约翰霍普金斯大学、得克萨斯大学等众多名校采用。
国内很多高校也采用这本书作为教材或参考书，如北京大学、清华大学、华东师范大学、浙江大学、武汉大学、中央财经大学和上海财经大学等。
书中通过大量的例子系统介绍了概率论的基础知识及其广泛应用，内容涉及组合分析、条件概率、离散型随机变量、连续型随机变量、随机变量的联合分布、期望的性质、极限定理和模拟等。
第9版继续对教材进行微调和优化，做了大量的小修改，还增加了有助于建立概率直觉的例子和练习，使得叙述更加清晰。
各章末附有大量的练习，还在书末给出自检习题的全部解答。
这本极佳的入门教材，尤其适用于统计学、经管类和工程类专业的学生学习概率论知识。

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。