信永国际中文超详细Oracle教程第一章数据库基础第二章Oracle入门第三章查询基础第四章单行函数第五章分组函数第六章多表查询第七章子查询第八章高级查询第九章数据字典第十章Oracle数据类型第十一章Oracle体系结构(DBA)第十二章DDL(改变表结构)第十三章DML(改变数据结构）第十四章约束第十五章视图第十六章索引第十七章序列、同义词第十八章PLSQL第十九章游标、函数第二十章存储过程第二十一章触发器第二十二章事务（数据库系统概论）第二十三章用户管理第二十四章备份恢复SQLLoader第二十五章数据库设计范式第二十六章数据库设计工具第二十七章对象关系数据库系统第二十八章其他数据库

第一章概述第二章存储器映射第三章体系配置配备枚举第四章电源管理单元(PMU)第五章功率配置配备枚举文件第六章中断抑制器第七章IO口配置配备枚举第八章管脚配置配备枚举第九章通用输入/输入口第十章通用异步收发器(UART)第十一章I2C总线接口第十二章SSP抑制器第十三章C_CAN第十四章C_CAN片上驱动第十五章16位计数器按时器第十六章32位计数器按时器第十七章看门狗按时器(WDT)第十八章体系节奏按时器第十九章模数转换器(ADC)第二十章Flash存储器编程固件第二十一章串行线调试(SWD)第二十二章ARMCortex-M0参考资料

matlab罕用代码大全，帮手你科研，论文实证阐发，数模竞赛第44章条理阐发法第45章灰色联系瓜葛度第46章熵权法第47章主成份阐发第48章主成份回归第49章偏最小二乘第50章垂垂回归阐发第51章模拟退火第52章RBF,GRNN,PNN-神经收集第53章相助神经收集与SOM神经收集第54章蚁群算法tsp求解第55章灰色料想GM1-1第56章模糊综合评估第57章交织验证神经收集第58章多项式拟合plotfit第59章非线性拟合lsqcurefit第60章kmeans聚类第61章FCM聚类第62章arima功夫序列第63章topsis第1章BP神经收集的数据分类——语音特色信号分类第2章BP神经收集的非线性体系建模——非线性函数拟合第3章遗传算法优化BP神经收集——非线性函数拟合第4章神经收集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的强分类器方案——公司财政预警建模第6章PID神经元收集解耦抑制算法——多变量体系抑制第7章RBF收集的回归--非线性函数回归的实现第8章GRNN收集的料想----基于狭义回归神经收集的货运量料想第9章离散Hopfield神经收集的遥想影像——数字识别第10章离散Hopfield神经收集的分类——高校科研才气评估第11章络续Hopfield神经收集的优化——遨游商下场优化盘算第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的数据分类料想——意大利葡萄酒品种识别第15章SVM的参数优化——若何更好的提升分类器的成果第16章基于SVM的回归料想阐发——上证指数收盘指数料想.第17章基于SVM的信息粒化时序回归料想——上证指数收盘指数变更趋向以及变更空间料想第18章基于SVM的图像联系-真玄色图像联系第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate货物箱及GUI版本介绍与使用第21章自结构相助收集在方式分类中的使用—患者癌症发病料想第22章SOM神经收集的数据分类--柴油机缺陷诊断第23章Elman神经收集的数据料想----电力负荷料想模子钻研第24章概率神经收集的分类料想--基于PNN的变压器缺陷诊断第25章基于MIV的神经收集变量遴选----基于BP神经收集的变量遴选第26章LVQ神经收集的分类——乳腺肿瘤诊断第27章LVQ神经收集的料想——人脸朝向识别第28章遴选树分类器的使用钻研——乳腺癌诊断第29章极限学习机在回归拟合及分类下场中的使用钻研——比力试验第30章基于随机森林脑子的组合分类器方案——乳腺癌诊断第31章脑子进化算法优化BP神经收集——非线性函数拟合第32章小波神经收集的功夫序列料想——短时交通流量料想第33章模糊神经收集的料想算法——嘉陵江水质评估第34章狭义神经收集的聚类算法——收集入侵聚类第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章遗传算法优化盘算——建模自变量降维第37章基于灰色神经收集的料想算法钻研——定单需要料想第38章基于Kohonen收集的聚类算法——收集入侵聚类第39章神经收集GUI的实现——基于GUI的神经收集拟合、方式识别、聚类第40章动态神经收集功夫序列料想钻研——基于MATLAB的NARX实现第41章定制神经收集的实现——神经收集的本能化建模与仿真第42章并背运算与神经收集——基于CPU/GPU的并行神经收集运算第43章神经收集高效编程本领——基于MATLABR2012b新版本特色的谈判

本书详尽介绍用C#语言举行法度圭表标准开拓需要操作的学识以及本领。
全书由浅入深分三大部份,共21章，部份“底子学识”,搜罗.NET底子学识、C#尺度底子、C#的面向货物本领、字符串、垃圾付与、颇为处置；
第二部份“C#特色”，搜罗请托以及责任、泛型、反射、数据结构、LINQ的相关本领、动态语言运行时；
第三部份“多线程以及异步”，搜罗多线程的不雅点、多线程同步、异步编程实际与实例、责任并行库等。
本书精选大宗案例，抱残守缺地教学C#语言，内容丰厚而翔实，并给收练习题，帮手读者更好地牢靠所学学识，提升才气。
前言以及附录分别给出.NET法度圭表标准员开拓地位申请、本领品级、进阶之路，以及面试宝典，可帮手开拓者新人快捷进阶，找到适宜自己的责任。

c妹妹i文档残缺版，共21章，搜罗流程图等等

本书通过编写一个个小巧、有趣的游戏来教授Python编程，并且采用直接展示了游戏的源代码，通过实例来解释编程的原理的方式。
全书共21章，14个游戏程序和示例贯穿其中，介绍了Python基础知识、数据类型、函数、流程控制、程序调试、流程图设计、字符串操作、列表和字典、图形和动画、碰撞检测、声音和图像等方方面面的程序设计知识。
本书可以协助读者在轻松有趣的过程中，掌握Python游戏编程的基本技能。

注意不是书籍，是随书源代码《autocad完全应用指南.autolisp+dcl+visuallisp程序设计篇》重点讲解autolisp、dcl、visuallisp三合一的autocad二次程序开发技术。
《autocad完全应用指南.autolisp+dcl+visuallisp程序设计篇》分为4篇，共35章。
第1篇(第1～10章)为autollsp程序设计基础篇，主要介绍了autollsp的基本结构、语法、功能函数、对象属性、循环、判断式、子程序、选择集、符号表、读文件以及写文件等autolisp程序设计的相关知识与技巧。
第2篇(第11章)为62个精选实用autolisp程序设计范例，通过精讲62个autolisp程序设计范例，让读者将autolisp知识融会贯通。
第3篇(第12～21章)为autolisp与dcl对话框整合应用，主要介绍了dcl的基础知识、dcl对象属性的定义速查、autolisp掌控dcl的关键技巧；
还介绍了编辑框、按钮和文字、切换开关、单选按钮、列表框、下拉菜单、图像，图像按钮及滑动条的设计技巧；
另外介绍了新手常犯错误分析及应对技巧。
第4篇(第22～35章)为visuallisp程序设计应用与整合，主要介绍visuallisp的基本环境、重要函数和程序调试；
还介绍了autocadactivex对象控制以及visuallisp在e2d、3d、文字编辑、图层管理、块与属性管理、options选项控制、excel及word中的应用；
最后介绍了visuallisp应用程序的创建与维护。
　　《autocad完全应用指南.autolisp+dcl+visuallisp程序设计篇》语言风趣生动，内容全面，是一本不可多得的完全学习指南。
它可以帮助读者扎扎实实学好autolisp+dcl+visuallisp程序设计，迅速提升读者的设计效率及绘图质量。
《autocad完全应用指南.autolisp+dcl+visuallisp程序设计篇》非常适合autocad的初、中、高级读者使用。

《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功能第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

IntroductiontoInformationRetrieval（中文名：信息检索导论）21章+绪论+附录全

《工程控制论(上册)(第3版)》系钱学森英文原著《EngineeringCybernetics》（工程控制论）一书的第三版。
原书曾荣获中国科学院1956年度一等科学奖金。
本版对第二版中的文字、符号等错误进行了补正。
第三版分上、下两册共二十一章。
上册十二章，下册九章。
《工程控制论(上册)(第3版)》保留了原书的基本内容。
在叙述方法上，也保持和发扬了原书的特点，由浅入深，既重视物理概念，又注意理论上的严谨性，把一般性概括性的理论和实际工程经验很好地结合起来。
在讨论系统分析和设计问题时，传递函数和形态空间的描述方法并重，互相补充。
《工程控制论(上册)(第3版)》对从事自动化、无线电电子学、航天技术及系统工程等专业的理论工作者和工程设计人员是一本有重要参考价值的著作，同时也可作为高等院校相关专业的教学参考书。

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。