AnyHand是编写一个视觉工具箱时的副产品，将其中的手势识别部分抽取出来做成了这个简单的手势识别库。
通过手势与计算机交互是计算机视觉交互的一个重要领域，这个库可以帮助具有一定编程能力，但没有计算机视觉背景的开发者快速地生成一个手势交互系统。
其中提供的API可以被用于图形用户界面应用程序。
只需要选取一个合适的手势模板，无需大量的模板训练就可就可以进行手势识别。
识别过程中将会实时返回您需要的手势名称、手势位置以及手势包围盒等信息，方便应用系统的调用。
在应用前请先仔细阅读系统的《安装与配置文档》、《应用文档》和《API描述文档》。

最近几年，例如YAGO和DBpedia等大规模知识库发展有了很大的进步。
知识库提供了大量的不同种类的实体信息，如人、国家、河流、城市大学等等，同时知识库包含了大量的在实体（entity）间的关系既事实（fact）。
当今的知识库包含的数据量是巨大的通常有百万个实体和上亿个描述实体间关系的事实数据。
虽然目前的知识库存在大量的实体和事实数据，但是这样大规模的数据仍然不完整。
目前构建知识库的方法主要有两种，一种是从大量的文本中抽取事实但这种方法必然会带来大量的噪声数据，第二是人工扩展，但这样的方法对于时间的开销是极大的。
如果确保一个知识库是完整的则必须花费很大的努力来抽取大量的事实，并检查事实的正确性，因为只有正确的事实加入到知识库中才是有意义的。
同时知识库的本身由于有足够的信息可以推理出更多的新的事实。
例如有这样一个例子，一个知识库包含一组事实是孩子c有一个妈妈m，这样可以推理得出孩子妈妈的丈夫f很可能是孩子的父亲。
该逻辑规则形式化的描述如下：motherof(m,c)∧marriedTo(m,f)⟹fatherof(f,c)挖掘这种规则可帮助做一下四种事情：1、利用这种规则来推理出新的事实，而这些被挖掘出的新的事实可以使知识库更完整。
2、这些规则可以检测出知识库潜在的错误例如一个陈述是一个与一个男孩无关的人是这个男孩的父亲，这样的陈述很可能是错误的。
3、有很多推理工具依赖其他工具提供规则，所以这些被挖掘出来的规则可以用于推理。
4、这些规则描述一个普遍的规律，这些规律可以帮我我们理解分析知识库中的数据，如找到一些国家通常与说同一种语言的国家交易。
或结婚是一个对称关系，或使用同一个乐器的音乐家通常互相影响等等。
AMIE的目标是从RDF格式的知识库中挖掘如上所述的逻辑规则，在语义网（SemanticWeb）中存在大量的RDF知识库如YAGO、Freebase和DBpedia等。
这些知识库使用RDF三元组（S,P,O）提供二元关系（binaryrelation）的描述。
由于知识库一般只包含正例而（S,P,O）没有反例（S,¬P,O），所以RDF这样的知识库中仅能通过正例来推理。
进一步来说在RDF知识库上的操作是基于开放世界假设（OWA）的。
在开放世界假设下，一个事实没有在知识库中存在那么我们不能说这个事实是错误的，只能说这个陈述是未知的。
这与标准的数据库在封闭世界假设的设定有本质上的区别。
例如在知识库中没有包含marry(a,b)，在封闭世界假设中我们可以得出这个a没有和b结婚而在开放世界假设下我们只能说a可能结婚了也可能单身。
压缩包内包含AMIE可运行源代码与相应文档资料，欢迎下载参考

从百度百科词条知识库中爬取下来的百万条百科知识，可用于自然语言处理、QA问答、知识图谱、实体识别、关系抽取等技术研究

基于多特征融合的中文微博评价对象抽取方法

机器学习-强化学习-汤普森采样强化学习：汤普森采样：我们需要在有效的勘探与开发之间找到适当的平衡。
与UCB算法不同，汤普森采样算法是一种概率算法。
该算法具有代表我们对世界的感知以及我们认为这些机器中的每台机器的实际预期收益可能位于的分布。
与UCB相比，Thomas采样的优点之一是它可以适应延迟的反馈。
我将使用与UCB算法相同的数据集。
与UCB算法相比，汤普森采样算法产生了更好的结果（能够在尽可能少的回合中确定最佳广告）。
该算法的工作原理如下：在第n轮中，我们为每个广告i考虑两个数字：N1（n）：-直到第n轮我获得奖励1的广告的次数，N0（n）：-广告获得奖励​​0到第n轮的次数。
对于每个广告i，我们从以下分布中随机抽取：0i（n）=B（N1（n）+1，N0（n）+1）我们选择最高0i（n）的广告

联欢会抽奖程序(含完整源代码),支持同时抽取单个或多个,支持分组抽奖,支持抽中名单打印,后台中奖和未中奖人员名单导出,非常实用的一款抽奖程序

中文分词;文本分类;信息抽取;语义理解;问答系统;自然语言对话系统

农业知识图谱：农业领域的命名实体识别，实体解析，关系抽取，数据挖掘

AWS助理架构师考试题库包含考试模拟软件。
该压缩文件中包含AWS助理架构师认证题库，考试题目是从该题库中抽取，以及有一个模拟考试工具。
AWS认证考试模拟器

最近公司需要实现Android下（PDA）与公司设备（PLC）通讯和操作设备.(本人Android开发也是这个项目边学边做)，中间遇到了很多坑，也感谢CSDN上资源的共享。
也看了不是Modbus4j.jar实现ModbusTCP和PLC的小例子。
。
。
总是云里雾里。
现在结合项目抽取操作ＰＬＣ的代码贡献给这方便有需求的朋友。
。
。
程序用到seroUtils.jar，modbus4J.jar。
可以读写ＰＬＣ（１６位），同时也做了下浮点值的写入和处理。
。
朋友可以在此基础上进行变化。
。
。

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。