Netlogo是一个用来对自然和社会现象进行仿真的可编程建模环境。
它是由UriWilensy在1999年发起的，由链接学习和计算机建模中心（CCL）负责持续开发，其研发目的正是为科研教育机构提供一个强大且易用的计算机辅助工具。
解决大家官网下载速度过慢的烦恼

针对液压驱动的软管收卷机构建立了机电液自动控制系统模型，为了实现软管收卷速度与装载液压收卷机构作业车到的车速的随动控制，根据自动控制模型的参数设计了超前校正、滞后校正、超前滞后校正3种校正网络。
以阶跃信号作为系统输入信号模拟车速突变的情况，对3种校正网络进行仿真分析计算，仿真结果表明在保证系统跟随误差的情况下，超前校正能缩短瞬态响应的调整时间，却形成了比较大的响应超调量，超前-滞后校正网络虽然得到了平滑的瞬态响应曲线，但却降低了信号跟随的精确性。
相比之下，滞后校正网络的瞬态与稳态综合性能比前两者更优，更宜采用滞后校正的控制系统。

SteveMcConnell的原作《代码大全》(第1版)是公认的关于编程的最佳实践指南之一，在过去的十多年间，本书一直在帮助开发人员编写更好的软件。
现在，作者将这本经典著作全新演绎，融入了最前沿的实践技术，加入了上百个崭新的代码示例，充分展示了软件构建的艺术性和科学性。
McConnell汇集了来自研究机构、学术界以及业界日常实践的主要知识，把最高效的技术和最重要的原理交织融会为这本既清晰又实用的指南。
无论您的经验水平如何，也不管您在怎样的开发环境中工作，也无论项目是大是小，本书都将激发您的思维并帮助您构建高品质的代码。
《代码大全（第2版）》做了全面的更新，增加了很多与时俱进的内容，包括对新语言、新的开发过程与方法论的讨论等等。
本资源转载自网络，供学习研究之用，如用于商业用途，请购买正版，如有侵权，请联系我或CSDN删除。

MediaHubMediaHub是用于教育机构的视频/音频聚合器，目前在运行MediaHub对您的机构来说可能是个好主意的原因：用于联合到其他站点的RSS源（iTunesU）RSSFeed中包含的iTunes和iTunesU属性字幕与Amara通用字幕的集成支持多个用户和渠道完全的品牌控制，没有外部广告本地存储HTML5视频和音频支持所有iOS设备上的字幕支持与企业认证系统集成Web服务和API，包括XML，JSON，部分HTML视图从现有RSSFeed导入的示例脚本安装1.设置初始配置：cpconfig.sample.phpconfig.inc.phpcpwww/sample.htaccesswww/.htaccess2.在config.inc.php中，请确保：将UNL_MediaHub_Controller::$url设

电子书下载：http://blog.csdn.net/good3651/article/details/53420721-------本书分实战项目篇与开发理论篇，通过采用“案例化”教学思路，以个人长期线下培训讲义为蓝本，讲解透彻、循序渐进、突出与优化游戏开发实战技巧。
同时*后附有全国Unity游戏研发职位笔试面试真题集锦、Unity开发常见错误与分析、游戏开发职位简历模板。
非常适合游戏开发爱好者、程序员、在校大学生，以及大专院校师生教学与国内Unity专业培训机构参考使用。

由专业PMP培训机构制作的讲义，帮助阅读者更好的理解PMP并顺利通过考试。

WS0.6.2区域卫生信息平台交互规范（共18个）:1：总则2：时间一致性服务3：节点认证服务4：安全审计服务5：基础通知服务6：居民注册服务7：医疗卫生机构注册服务8：医疗卫生人员注册服务9：术语注册服务10：文档存储服务11：文档采集服务12：文档管理服务13：文档调阅服务14：文档订阅发布服务15：预约挂号服务16：双向转诊服务17：签约服务18：提醒服务

WXtoimg的最后版本,包含注册版和专业注册版的KEY，因此软件的开发机构已经停止开发此软件，所以也是绝版的了

【目录】-MATLAB神经网络30个案例分析(开发实例系列图书)第1章BP神经网络的数据分类——语音特征信号分类1本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。
第2章BP神经网络的非线性系统建模——非线性函数拟合11本章拟合的非线性函数为y=x21+x22。
第3章遗传算法优化BP神经网络——非线性函数拟合21根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。
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对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。
这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。
第5章基于BP_Adaboost的强分类器设计——公司财务预警建模45BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。
第6章PID神经元网络解耦控制算法——多变量系统控制54根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。
第7章RBF网络的回归——非线性函数回归的实现65本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。
将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。
第8章GRNN的数据预测——基于广义回归神经网络的货运量预测73根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。
第9章离散Hopfield神经网络的联想记忆——数字识别81根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。
要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。
第10章离散Hopfield神经网络的分类——高校科研能力评价90某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。
第11章连续Hopfield神经网络的优化——旅行商问题优化计算100现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。
第12章SVM的数据分类预测——意大利葡萄酒种类识别112将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。
第13章SVM的参数优化——如何更好的提升分类器的性能122本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。
第14章SVM的回归预测分析——上证指数开盘指数预测133对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。
第15章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141在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。
若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。
第16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153本案例中给出了一个含有60个个体基因表达水平的样本。
每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类),中间的20个样本是正常人的基因表达信息样本,余下的20个样本是待检测的样本(未知它们是否正常)。
以下将设法找出癌症与正常样本在基因表达水平上的区

多体系统是指有大范围相对运动的多个物体构成的系统，它是航空航天器、机器人、车辆、兵器与机构等复杂机械系统的力学模型。
第一篇介绍《计算多体系统动力学》所需的数学、刚体运动学、刚体动力学与数值方法等基础知识。
第二篇介绍多体系统拓扑构型的描述、基于拉格朗日坐标的多刚体系统动力学方程的建立、数值处理方法与软件实现要点。
第三篇介绍多刚体系统笛卡儿坐标的描述方法、系统运动学约束方程组集与分析方法、带拉格朗日乘子动力学方程的推导、动力学分析的计算方法与软件实现要点。
第四篇为刚一柔混合多体系统动力学，介绍变形体的有限元与模态离散方法、基于笛卡儿与拉格朗日坐标的系统各物体运动学正向递推关系、基于拉格朗日坐标与模态坐标的系统动力学方程组集、开闭环柔性多体系统的计算方法与软件实现要点。

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。