纯原创资源，盗用必究，仅用于学习和交流，持续更新，可私信了解。
1.整合目前市面上所有的纯前端Web组件，并二次开发改进稳定性2.目前最灵活的接入方案，基于Html5postMessage传送blob数据，高度解耦3.支持所有文本、代码格式，所有主流图片格式，.mp4，.docx，.xlsx，.pptx,.pdf等主流文档格式的纯前端预览4.附带接入demo，使用纯js实现，可以用于任何场景

MATLAB神经网络43个案例分析源代码&数据《MATLAB神经网络43个案例分析》目录第1章BP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网络的预测----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章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的性能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于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18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21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22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

1.转动惯量1.1转动惯量合成1.2平移1.3旋转1.4主惯性距1.5扭矩轴2.频率解耦率（4）3.位移控制4.频响特性5..频率解耦率（4+2）6.位移控制7.频响特性

第1章p神经网络的数据分类——语音特征信号分类1第2章bp神经网络的非线性系统建模——非线性函数拟合11第3章遗传算法优化bp神经网络——非线性函数拟合21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章基于bp_adaboost的强分类器设计——财务预警建模45章pid神经元网络解耦控制算法——多变量系统控制54章rbf网络的回归——非线性函数回归的实现65章grnn的数据预测——基于广义回归神经网络的货运量预测73章离散hopfield神经网络的联想记忆——数字识别81章离散hopfield

首先概述了无轴承异步电动机的研究背景,指出了研究意义及其潜在的使用价值,然后介绍其工作原理,在此基础上,重点分析了无轴承异步电动机基本理论的研究现状,包括径向悬浮力模型、解耦控制及其控制系统,最后展望了应用和前景。

三相PWM整流，程序包含矢量控制、前馈解耦、PI处理

《电力电子系统建模及控制》可作为电力电子与电力传动专业及相关专业的研究生教材，也可作为从事电力电子装置、变频器、电子电源等开发、设计工程技术人员的参考书。
本书重点介绍电力电子系统的动态模型的建立方法和控制系统的设计方法。
电力电子系统的建模与控制技术涉及功率变换技术、电工电子技术、自动控制理论等，是一门多学科交叉的应用性技术。
本书内容包括：电力电子系统建模方法如状态空间平均、平均开关网络模型和统五邕路模型等，电流蜂值控制的稳定性问题及改进稳定性的方法，DC／DC变换器反馈控制设计，三相PWM整流器动态模型和三相PWM逆变器的动态模型，三相PWM变流器的解耦控制，三相PWM变流器的空间矢量调制SVM方法，DC／DC变换器并联系统的动态模型及均流控制，逆变器并联系统的动态模型及均流控制。
本书可作为电力电子与电力传动专业及相关专业的研究生教材，也可作为从事电力电子装置、变频器、电子电源等开发、设计工程技术人员的参考书。

项目采用这些技术和设计思想Ajax,jQuerySpring(MVC,IOC,AOP)MyBatisAjax:异步请求响应处理;页面局部刷新(所有请求一律采用Ajax方式交互)jQuery:简化js和Ajax编程,实现前端处理SpringMVC:实现控制层,用于接收请求分发给业务模型处理,并实现请求响应SpringIOC:实现管理控制层,业务层,数据访问层组件,采用注入方式建立关系(解耦)SpringAOP:实现事务管理和异常日志处理(在不修改原有组件情况下,追加功能)MyBatis:实现数据库操作,实现数据访问层界面一律采用HTML所有交互一律采用Ajax模式所有交互一律采用无状态会话处理

本文来自于民工哥技术之路，本章介绍了rabbitmq的基本原理、基本运维操作、常见故障处理以及RabbitMQ来部署分布式集群系统的三种方法。
简介AMQP，即AdvancedMessageQueuingProtocol，高级消息队列协议，是应用层协议的一个开放标准，为面向消息的中间件设计。
消息中间件主要用于组件之间的解耦，消息的发送者无需知道消息使用者的存在，反之亦然。
AMQP的主要特征是面向消息、队列、路由（包括点对点和发布/订阅）、可靠性、安全。
RabbitMQ是一个开源的AMQP实现，服务器端用Erlang语言编写，支持多种客户端，如：Python、Ruby、.NET、Java、JMS、

在软件系统中，“行为请求者”与“行为实现者”通常呈现一种“紧耦合”。
但在某些场合，比如要对行为进行“记录、撤销/重做、事务”等处理，这种无法抵御变化的紧耦合是不合适的。
在这种情况下，如何将“行为请求者”与“行为实现者”解耦？将一组行为抽象为对象，可以实现二者之间的松耦合[李建忠]。
这就是本文要说的Command模式。
将一个请求封装为一个对象，从而使你可用不同的请求对客户进行参数化；
对请求排队或记录请求日志，以及支持可撤消的操作。
[GOF《设计模式》]Command模式结构图如下：图1Command模式结构图Command模式将一个请求封装为一个对象，从而使你可以使用不同的请求对客户进行参数化。

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。