JD-GUI(Java反编译工具)0.3.6绿色免费版.zip，JD-GUI是一个用C++开发的Java反编译工具，由PavelKouznetsov开发，支持Windows、Linux和苹果MacOs三个平台。
而且提供了Eclipse平台下的插件JD-Eclipse。
JD-GUI不需要安装，直接点击运行，可以反编译jar,class文件。

810个脚本教程，新手必备。
一部分的目录东西太多了行为控制脚本鼠标的路线Unity3D教程：游戏玩家服务器的制作Unity3D教程：实例化JS脚本控制逐渐淡出的欢迎界面Unity3D教程：界面插件NGUI的使用(2)脚本控制物体的变换脚本的运行顺序研究Unity3D教程：物体跟随鼠标点击处移动Unity3D音乐开关与音量条Unity3D教程：GUILayout.Window和GUI.Window的区别在游戏中改变地形高度教你如何创建unity3d多个定时器，以及定时器的其他操作Unity3D使用LitJson解析服务器上的JSONIOS下文件保存和读取Unity3D教程：游戏开发算法（二）ClickShowWindow点击显示窗口鼠标选中物体并拖动物体的方法在触屏中如何用触摸获取场景中的三维物体啊？Unity3D教程：掌握多线程！Unity3D教程：制作简单小汽车游戏OnGUI的视觉化编辑unity3d角色血条Unity3D格斗游戏运动特效MenuItem自定义菜单项Unity3D脚本：导弹追踪代码Unity3D教程：UI自动适合屏幕分辨率中慢动作与加速动作的实现触屏选中Unity3D场景中的GameObject对象代码

RuntimeUnitTestToolkit（v2）RuntimeUnitTestToolkit是的补充。
UnityTestRunner运行良好，但PlayerRunner（任何目标平台）都非常差。
RuntimeUnitTestToolkit提供Unity测试运行器的CLI（用于在CI上运行）和GUI（用于在任何平台（Windows，Mac，iOS，Android等）上运行）。
您可以编写可在UnityTestRunner上运行的测试，也可以通过RuntimeUnitTestToolkit构建运行时播放器。
选择设置（ScriptBackend-Mono或IL2CPP，

使用matlab进行多项式拟合，提供了友好的GUI界面

Android反编译工具合集，包括最新apktool、dex2jar、jd-gui、smali2java。
（2018.4.21）

Python作为一种高效简洁的直译式语言非常适合我们用来解决日常工作的问题。
而且它简单易学，初学者几个小时就可以基本入门。
再加上Numpy和matplotlib这两个翅膀，Python对数据分析的能力不逊于Matlab。
Python还被称为是胶水语言，有很多软件都提供了Python接口。
尤其是在linux下，可以使用Python将不同的软件组成一个工作流，发挥每一个软件自己最大的优势从而完成一个复杂的任务。
比如我们可以使用Mysql存储数据，使用R分析数据，使用matplotlib展示数据，使用OpenGL进行3D建模，使用Qt构建漂亮的GUI。
而Python可以将他们联合在一起构建一个强大的工作流。

涡轮医用呼吸机基于开源涡轮的医用呼吸机。
网页影片播放清单：：listPLWOXOpFr-贡献者：SyedRazwanulHaqueNabil（团队负责人，代码，算法，电路）MarufHossainRahat（机械设计主管，研究）FozlerabbiShafi（GUI应用程序）HasanSohag（机械设计，组装）

很小很简单的程序，适合初学者。
函数的应用很典型。

MATLAB神经网络30个案例分析（高清+源码）包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络。
MATLAB神经网络30个案例分析（高清+源码）该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；
还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
-------目录第1章P神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第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第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归——非线性函数回归的实现第8章GRNN的数据预测——基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章SVM的数据分类预测——意大利葡萄酒种类识别第13章SVM的参数优化——如何更好的提升分类器的性能第14章SVM的回归预测分析——上证指数开盘指数预测第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——患者癌症发病预测第17章SOM神经网络的数据分类——柴油机故障诊断第18章Elman神经网络的数据预测——电力负荷预测模型研究第19章概率神经网络的分类预测——基于PNN的变压器故障诊断第20章神经网络变量筛选——基于BP的神经网络变量筛选第21章LVQ神经网络的分类——乳腺肿瘤诊断第22章LVQ神经网络的预测——人脸朝向识别第23章小波神经网络的时间序列预测——短时交通流量预测第24章模糊神经网络的预测算法——嘉陵江水质评价第25章广义神经网络的聚类算法——网络入侵聚类第26章粒子群优化算法的寻优算法——非线性函数极值寻优第27章遗传算法优化计算——建模自变量降维第28章基于灰色神经网络的预测算法研究——订单需求预测第29章基于Kohonen网络的聚类算法——网络入侵聚类第30章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类MATLAB

kflash_gui是跨平台的，可以在多个系统下工作（包括Windows、Linux、MacOS、甚至树莓派)使用勘智（Kendryte）的Windows版本可能部分开发版无法下载成功，请使用kflash_gui这个软件来下载

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。