主要内容有C#开发环境的使用、C#语言基础应用、字符串处理技术、数组和集合的使用、面向对象编程技术、数据结构与算法、Windows窗体基础、特色窗体界面、窗体控制技术、MDI窗体和继承窗体、Windows常用控件的使用、Windows不错控件的使用、DataGridView数据控件、自定义用户控件、文件基本操作、文件夹基本操作、文件流操作、加密、解密及解压缩文件、C#与Word互操作、高效应用Excel、基本图形绘制、图像处理技术、常用图表应用、动画处理技术、音频与视频控制。
配书光盘附带了实例的源程序和部分视等第1篇C#编程基础篇第1章C#开发环境的使用21.1VisualStudio开发环境的安装与配置3　　实例001配置合适的VisualStudio2008开发环境3　　实例002设置程序代码行号4　　实例003使开发环境全屏显示5　　实例004根据需要创建所需解决方案61.2VisualStudio开发环境的使用7　　实例005为程序设置版本和帮助信息7　　实例006设置Windows应用程序启动窗体8　　实例007统一窗体中控件的字体设置9　　实例008通过“格式”菜单布局窗体101.3快速开发项目必备10　　实例009为项目添加DLL文件引用10　　实例010为项目添加已有类11　　实例011为项目添加第三方控件12实例012为项目添加已有窗体13第2章C#语言基础应用152.1代码的注释16　　实例013对单行代码进行注释16　　实例014快速对多行代码进行注释17　　实例015使用“///”标记给代码段添加说明182.2运算符的使用20　　实例016使用引号运算符进行赋值20　　实例017使用算术运算符开发简单计算器21　　实例018使用“^”运算符对数字进行加密22　　实例019巧用位移运算符获取汉字编码值24　　实例020使用条件运算符判断指定年份是不是闰年25　　实例021使用流程控制语句报销业务花销262.3关键字的使用27　　实例022使用checked关键字处理“溢出”错误27　　实例023使用typeof关键字获取类的内部结构28　　实例024使用using关键字有效回收资源29　　实例025使用is关键字检查对象是否与给定类型兼容30　　实例026使用as关键字将对象转换为指定类型322.4流程控制语句的使用34　　实例027小明去学校和医院分别要走哪条路34　　实例028利用条件语句判断用户登录身份35　　实例029判断指定月份属于哪个季节36　　实例030使用switch语句更改窗体颜色37　　实例031循环向控制台中输入内容38　　实例032递归算法的经典面试题39　　实例033制作一个数字猜猜看小游戏40实例034使用goto语句在数组中搜索指定图书42第3章字符串处理技术443.1字符及字符串转换45　　实例035将字母全部转换为大写或小写45　　实例036字母与ASCII码的转换46　　实例037汉字与区位码的转换48　　实例038将汉字转换为拼音493.2常用字符及字符串操作50　　实例039根据标点符号对字符串进行分行50　　实例040判断用户输入的用户名是否正确51　　实例041将字符串的每个字符进行颠倒输出52　　实例042去掉字符串中的所有空格54　　实例043从字符串中分离文件路径、文件名及扩展名55　　实例044获取字符串中汉字的个数57　　实例045批量替换某一类字符串58　　实例046对字符串进行加密与解密593.3常用数字处理技术61　　实例047判断输入的货币值是否为数字61　　实例048对计算结果进行四舍五入62　　实例049商品金额的大小写转换63　　实例050设置货币值中使用的小数位数64　　实例051格式化输入数据为货币格式65　　实例052开发一个进制转换器663.4日期时间格式的数据处理67　　实例053动态获得系统当前日期和时间67　　实例054手动设置系统日期时间69　　实例055根据生日自动计算员工年龄70　　实例056根据年份判断十二生肖71　　实例0

OEMSHOP，是一套可以赚钱，可以变更为你自己的名称(OEM)的开源商城系统，基于ThinkPHP6+UNIAPP+饿了么UI+EASYWECHAT技术架构，支持PC、H5、公众号、小程序，APP等10余个应用端口。
演示网址：http://doc.s102.y01.cn/web/#/5?page_id=24

武汉科技大学数字逻辑实验，DSN文件设计图，包含：74148,74138,12进制电路，24进制电路，电子钟，7448显示0~9,7448显示0~99，数据分配器，74HC138做数据分配器，触发器，寄存器74194七位数据并转换，8个流水灯等

PDFObject-master2.24.rarPDFObject-master2.24.rarPDFObject-master2.24.rarPDFObject-master2.24.rarPDFObject-master2.24.rar

Python7天速成

一副牌中抽去大小王剩下52张（如果初练也可只用1～10这40张牌），任意抽取4张牌（称牌组），用加、减、乘、除（可加括号）把牌面上的数算成24。
每张牌必须用一次且只能用一次，如抽出的牌是3、8、8、9，那么算式为（9-8）×8×3或3×8+（9-8）或（9-8÷8）×3等。

将文件直接放到/usr/local/bin目录下按顺序运行以下三条命令。
$mvdocker-compose-Linux-x86_64docker-compose$chmod+xdocker-compose$docker-composeversion---------------------------------------------------------------docker-composeversion1.24.0,build0aa59064docker-pyversion:3.7.2CPythonversion:3.6.8OpenSSLversion:OpenSSL1.1.0j20Nov2018--------------------------------------------------------------

web课程设计报告1概述 11.1设计目的 11.2设计任务 11.3可行性分析 12支撑环境规划 23系统目标和设计原则 23.1系统目标 23.2设计原则 24需求分析 34.1系统任务 34.2系统功能 34.3系统流程图 35系统详细设计 45.1系统主要功能结构 45.2数据库设计 46总体实施 66.1功能模块设计实现 66.2运行结果 107研制报告 20

第一章人工神经网络…………………………………………………3§1.1人工神经网络简介…………………………………………………………31．1人工神经网络的起源……………………………………………………31．2人工神经网络的特点及应用……………………………………………3§1.2人工神经网络的结构…………………………………………………42．1神经元及其特性…………………………………………………………52．2神经网络的基本类型………………………………………………62.2.1人工神经网络的基本特性……………………………………62.2.2人工神经网络的基本结构……………………………………62.2.3人工神经网络的主要学习算法………………………………7§1.3人工神经网络的典型模型………………………………………………73．1Hopfield网络…………………………………………………………73．2反向传播(BP)网络……………………………………………………83．3Kohonen网络…………………………………………………………83．4自适应共振理论(ART)……………………………………………………93．5学习矢量量化（LVQ）网络…………………………………………11§1.4多层前馈神经网络（ＢＰ）模型…………………………………………124．1BP网络模型特点 ……………………………………………………124．2BP网络学习算法………………………………………………………134.2.1信息的正向传递………………………………………………134.2.2利用梯度下降法求权值变化及误差的反向传播………………144．3网络的训练过程………………………………………………………154．4BP算法的改进………………………………………………………154.4.1附加动量法………………………………………………………154.4.2自适应学习速率…………………………………………………164.4.3动量-自适应学习速率调整算法………………………………174．5网络的设计………………………………………………………………174.5.1网络的层数…………………………………………………174.5.2隐含层的神经元数……………………………………………174.5.3初始权值的选取………………………………………………174.5.4学习速率…………………………………………………………17§1.5软件的实现………………………………………………………………18第二章遗传算法………………………………………………………19§2.1遗传算法简介………………………………………………………………19§2.2遗传算法的特点…………………………………………………………19§2.3遗传算法的操作程序………………………………………………………20§2.4遗传算法的设计……………………………………………………………20第三章基于神经网络的水布垭面板堆石坝变形控制与预测§3.1概述…………………………………………………………………………23§3.2样本的选取………………………………………………………………24§3.3神经网络结构的确定………………………………………………………25§3.4样本的预处理与网络的训练……………………………………………254．1样本的预处理………………………………………………………254．2网络的训练……………………………………………………26§3.5水布垭面板堆石坝垂直压缩模量的控制与变形的预测…………………305．1面板堆石坝堆石体垂直压缩模量的控制……………………………305．2水布垭面板堆石坝变形的预测……………………………………355．3BP网络与COPEL公司及国内的经验公式的预测结果比较…35§3.6结论与建议………………………………………………………………38第四章BP网络与遗传算法在面板堆石坝设计参数控制中的应用§4.1概述………………………………………………………………………39§4.2遗传算法的程序设计与计算………………………………………………39§4.3结论与建议…………………………………………………………………40参考文献…………………………………………………………………………

本文件功能：用BP神经网络预测温湿度。
本次仿真，预测模型为8*8*8*1，输入数据为359天数据（一个小时测一个数据，一天数据为24）。
其中350天数据做训练样本，用来训练BP网络模型的权值和阈值，4天用来做测试样本，用来测试3天左右的温湿度预测值。
本次训练效果比较上次仿真较为准确，判定系数可以达到0.8左右（越靠近1表明仿真效果越好），预测值与实际值点状图基本围绕在主对角线左右，MSE平方误差可以达到0.01，BP网络预测输出图也可以看出预测值的变化趋势基本与期望值一致。
本次仿真存在不足：1.未修改学习率、附加动量等参量没有解决BP网络收敛慢的问题。
2.没有使用全局优化的算法，没有解决BP容易陷入极值点的问题。
这种用BP网络来进行预测的模型网上有很多，但是大多数都是预测风力发电等，可能也是因为该BP模型是40年代所提出，我是没有找到有温湿度的预测，该代码纯属自己改写的，并且运行无误，现在分享出来，让大家节省一些时间去研究更有深度的算法。

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。