1、这是我们竞赛时的第二个实验，要求是制作一个DDS信号发生器。
2、我在网上找了很多的资料，现在也一并共享吧。
有南京理工大学的一个与这个实验相近的一个讲解，我觉得这个给我的帮忙是很大的。
另外一个对我帮忙很大的一个文档是NH文件---基于FPGA的DDS信号源的设计。
这两个文件由于与我的实验课题是一样的，所以参考价值很大，几乎我的设计思想由这两个文件左右的3、我先讲解一下我在这个实验中遇到的问题，如果有遇到相类似问题的朋友，希望可以对你有所协助。
首先是ROM的定制问题，就是正弦函数查找表的设计，可以用两种方法。
一种是用MATLAB，一种用excil，为了方便我把这两个文件一起放在这里了。
（一个是makedata,用MATLAB打开就可以了，另外一个就是“rom--数据.xcl”文件，里面的设置可能不同，能看得懂本质是一样的，两者弄出来的数据是不同的，因为我在制作中修改了许多次的缘故。
4.最后，我把输出是16进制的整个文件作为参考一并放在这个文件夹里就是“dds_16_show—-作为参考”这个文件夹。
（考虑到FPGA里的显示管有限的缘故，因为如果用10进制的，要6个数码管，而用16进制的就只用5个就OＫ了）

XMOS驱动2.19伟良定制极限版（第二版驱动程序XS1-L2）目前世界上唯一不死机的驱动，音色甜美通透，层次分明且过渡平滑，音场宽广，动态凌利，人听虽然没有第一版那样靠前突出，但与环境音乐非常融洽，非常自然温馨。

在研究自抗扰控制技术的基础上，以MATLAB/SIMULINK为仿真平台，编写M_Funtion程序实现特殊非线性函数、应用S_Funtion定制跟踪微分器和扩张状态观测器等新型动态系统模块、利用子系统封装技术完成控制律组合和常用自抗扰控制器算法，按照模块化建模思想，创建了用户自定义的自抗扰控制器模块库。
通过串级调速自抗扰控制系统的仿真实例，说明利用该模块库，实现了自抗扰控制技术的图形化建模，参数设置修改直观方便，而且创建方法简单易行、可扩充性强，不只为自抗扰控制技术的仿真研究提供了有效工具，并且对相关领域的仿真模型库扩建具有参考价值。

包含常用精简完整源代码四个文件。
内含官方实例。
ECharts，一个使用JavaScript实现的开源可视化库，可以流畅的运转在PC和移动设备上，兼容当前绝大部分浏览器（IE8/9/10/11，Chrome，Firefox，Safari等），底层依赖轻量级的矢量图形库ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。

《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上出版的，部分章节涉及了常见的优化算法（遗传算法、粒子群算法等）与神经网络的结合问题。
《MATLAB神经网络43个案例分析》可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。
《MATLAB神经网络43个案例分析》共有43章目录如下：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

在2015年3月21日的北京SparkMeetup第六次活动上，尹绪森就如何使用PredictionIO打造一个定制化推荐引擎进行了详细引见，白刚则分享了新浪在大规模多标签分类上的探索。
在2015年3月21日的北京SparkMeetup第六次活动上，一场基于Spark的机器学习专题分享由微软JulienPierre、新浪网白刚与Intel研究院尹绪森联手打造。
JulienPierre首先进行了开场发言，并为大家分享Spark在ASG团队的应用情况。
通过Julien了解到，其团队主要工作集中在SparkSQL和MLlib两个组件，基于Spark做一些交互式分析，其中包括：将Spark与现有的查询

IP核概述.docSOPC中自定义外设和自定义指令功能分析.pdf基于Avalon总线TLC5628自定义IP核的开发.pdf基于Avalon总线的TFTLCD控制器的设计.doc基于Avalon总线的可配置LCD控制器IP核的设计.doc基于Avalon总线的可配置LCD控制器IP核的设计.pdf基于Avalon总线的直流电机PWM控制.pdf基于Avalon总线的键盘和VGA控制接口设计.pdf基于NIOSII嵌入式处理器实现LCD的控制.doc基于NiosII的I2C总线接口的实现.doc基于NIOS_嵌入式软核处理器的LCD控制方法研究.pdf基于Nios_的DDRSDRAM控制器的相关技术研究与实现.pdf基于Nios_的LED显示屏控制系统.pdf基于Nios_的USB接口模块设计.pdf基于Nios_自定制Avalon设备的设计与实现.pdf基于NIOS的I_2C总线接口芯片AT24C16读写的实现.pdf基于系统级FPGA_CPLD的SoPC嵌入式开发研究.pdf如何应用Nios嵌入式处理器和C2H进行IP摄像头的设计——徐光辉.pdf定制SOPC用户部件（component）的方法和例子//DevelopingSOPCBuilderComponents.pdfpwm_source.zip

一般情况下wince6.0仅支持.netframework2.0,要自已定制.netframework3.5的系统非常麻烦，经过长时间的研究发现，其实可以在wince6系统启动以后再手动安装.netframework3.5的支持包，安装以后就可以完满支持3.5的应用程序了。
先把资源解压缩以后得到两个cab安装包，共享到wince6上安装就可以了。
只是每次wince6启动以后都要安装一下。

采用java技术构建的一个管理系统。
整个开发过程首先对系统进行需求分析，得出系统的主要功能。
接着对系统进行总体设计和详细设计。
总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等；
详细设计主要包括系统数据库访问的实现，主要功能模块的具体实现，模块实现关键代码等。
最后对系统进行功能测试，并对测试结果进行分析总结。
包括程序毕设程序源代码一份，数据库一份，完美运行。
配置环境里面有说明。
如有不会运行源代码或定制私信。

IEC61850服务端模仿软件V1.01、手动模仿发送遥测，遥信2、可做正常的遥控回复3、可同时加载大于250台MMS通信设备及其IP，便于远动或后台监控的直接接入，整站模仿4、支持SCL文件导入5、日志显示待开发功能：1、发送脚本功能，可通过脚本定制发送的信息内容，顺序，延时，循环等2、定制遥控点的回复方式，返回正确或失败，同时返回遥控对应遥信点信息注意：1、请用管理员权限运行此程序2、请将使用此软件的计算机连接网卡名称设置为“本地连接”3、此版本目前有600秒使用限时

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。