全书分为9章：第1章在比较了几种常用的流体流动数值计算方法特点的基础上着重介绍了有限体积法的基本思想和特点；
第2章介绍扩散问题的有限体积解法，从一维稳态扩散问题人手，简要介绍了区域离散方法、离散方程的推导和控制容积界面值的近似计算；
第3章介绍对流扩散问题的有限体积法，通过例题说明对流项对数值计算的影响；
第4章从离散方程的守恒性、方程系数的有界性和流动过程的输运性出发讨论了有限体积法中重要的差分格式问题；
第5章介绍压力速度耦合问题的有限体积算法，讨论了解决压力速度耦合问题数值计算中两个难点的方法，即交错网格算法和压力耦合问题的半隐算法（SIMPLE算法及其改进算法）；
第6章简要介绍了求解三对角方程的TDMA算法及其在高维问题中的应用；
第7章讨论了非稳态流动问题的有限体积算法的过程；
第8章介绍了有限体积法求解过程中对边界条件的处理方法；
第9章着重讨论了有限体积法中非规则网格的生成和非规则网格条件下离散方程的求解过程。
其中第2章、第3章，第5章～第8章的内容主要编译自AnIn—troductiontOComputationalFluidDynamics一书，为使其适合一般工程专业学生学习的需求，编写过程中做了适当的增删，并补充了一些习题和思考题。

文档中包含：A_Genetic_Revised_Adap.M文件：为改进的自适应遗传算法（单目标优化）；
A_Genetic_Revised_Adap_Multi.M文件：为改进的自适应遗传算法（多目标优化）；
AA_Genetic_Revised_Adap_hybrid_F_Swarm.M文件，为改进的自适应遗传算法和粒子群算法的混合算法（单目标优化）AAA_Multi_Genetic_Revised_Adap_hybrid_F_Swarm.M文件，为改进的自适应遗传算法和粒子群算法的混合算法（多目标优化）

Nikon公司发布数码图像编辑软体“CaptureNX”，是由先前推出的NikonCapture4改进而成的，它能为数码摄影者提供更强大的工具，通过简单易用的操作编辑NEF、JPEG和TIFF格式图像。
CaptureNX2轻松便捷的操作和强大的功能，将和尼康的相机产品一起，为用户提供更有趣的摄影和影像编辑的体验。

基于python+opencv实现初步手势识别,经过本人亲测代码,能够实现基本的手势识别但是对于背景要求光线等等有着一定要求,各位大佬们可以在这基础上加以改进,手势识别的原理在凸凹包点上下功夫.

花朵授粉算法的改进程序，可以运行，新人，请多多关注

计算机的发展将人类带到了信息技术时代，人们的生活发生了巨大的变化，使用计算机进行庞大的数据库管理是应用最广泛的一种方式。
“学生信息管理系统”是基于面向对象的程序设计语言C#和数据库管理系统ACCESS创建的一个信息管理系统。
系统将根据现在学校学生管理的状况，设计成一个能提供对学生信息进行查询的系统，本系统不但要方便，而且要具有很大的实践性和可行性，大量简化管理人员的工作量，能为学校管理提供方便。
此外系统不仅要包含目前市面上的同种类型的系统的基本功能及解决旧系统中存在的问题，还应该有所创新、改进。

该代码是改进的CV水平集，希望对大家有所帮助

改进的中值滤波程序，测试后能有效滤除各种噪音，如高斯，椒盐等，比单一的中值滤波效果显著，此为中值滤波函数的M文件，用时需要自己编写主程序调用此函数即可。

Matlab关于人工神经网络在预测中的应用的论文二-人工神经网络模型在研究生招生数量预测中的应用.pdf四、灰色人工神经网络人口总量预测模型及应用摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。
对2005年至2007年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。
关键词：人口总量；
灰色系统；
BP人工神经网络；
灰色人工神经网络模型引言：本文从影响人口增长的诸多因素中筛选出6个主要因素，结合灰色系统思想与神经网络的优点建立了一个灰色人工神经网络（GreyArtificialNeuralNetwork，GANN）预测模型，对每一个指标分别用GM（1，1）模型选择最佳的维数进行预测，再利用神经网络非线性映射的特性把这6个指标进行非线性组合得到人口总量的预测结果。
该模型充分利用灰色系统弱化数据的随机性及其动态性和神经网络非线性映射的特性，发挥两者的优势，从而进一步提高预测精度。
中间内容省略~结语：由于传统遗传算法聚类算法本身的优点：在解决聚类问题上速度快、准确率高，加上免疫网络分类算法可以进行非监督学习，确定聚类数及聚类点，在实际聚类应用中有更广阔的适用性；
在这种独特的聚类算法的基础上，结合粗糙集理论构建了一种图像分割算法；
同时，通过实验证明该方法不但比传统的FCM算法聚类速度快，分割效果好，而且比文献[2]的分割准确度还要高。
由于该方法有在聚类上的无教师监督的独特优点，并且通过对人脑MR图聚类和分割的两个实验，证明了该分割算法比以往分割算法在具体应用上都有一定的提高。
灰色人工神经网络人口总量预测模型及应用.pdf五、人工神经网络模型在研究生招生数量预测中的应用摘要：研究生招生数量的确定涉国家政策、社会就业、人才需求、专业分布与需求等诸多因素，这些影响因素往往无法量化，而且各个影响因素之间关系错综复杂，简单的线性模型预测未来招生数量往往难以实现。
尝试采用人工神经网络模型，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，通过对黑龙江省历年研究生招生数量进行系统分析，建立了人工神经网络预测模型，并对未来3年的招生数量进行了预测，预测结果较好，为该方面研究提供了新的研究思路与研究方法。
关键词:黑龙江省;研究生招生;预测;人工神经网络模型引言：关于研究生招生数量的确定，涉及诸多因素，例如国家政策、社会就业、人才需求、专业分布与需求等等。
这些影响因素往往无法量化，很难找出定量化的因素来进行分析，而这些因素又确确实实在很大程度上影响着研究生招生的数量及其分布。
以往分析预测方法主要是确定性数学模型和随机统计方法，例如有限单元法、有限差分法、灰色理论建模、回归分析、谐波分析、时间序列分析、概率统计法等。
这些方法多以线性理论为基础，考虑问题偏于简单化，导致预测精度不高。
本论文结合黑龙江省1981年—2004年的研究生招生规模，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，探讨应用一种改进的BP网络模型对未来3年黑龙江省研究生招生规模进行预测，为该方面研究提供新的研究思路与研究模式，并渴望为用人单位、科研院校提供制定长远发展与建设规划提供参考。
中间内容省略~结语：采用人工神经网络模型可以有效的处理黑龙江省研究生数量中涉及的人为、政策等随机因素、难以量化等因素的干扰，拟合精度非常高，预测精度也相对较高，为未来研究生招生规模提供科学理论依据，为该方面研究提供新的研究方法与研究思路。
人工神经网络模型在研究生招生数量预测中的应用.pdf六、基于RBF人工神经网络模型预测棉花耗水量摘要：利用MATLAB工具箱，以平均气温、日照时数、平均风速为输入变量，建立了新疆石河子地区棉花耗水量的RBF人工神经网络预测系统，通过2008年实测数据的检验表明，此预测系统网络模型的绝对误差最大为0.0967mm/d、最小为0.0025mm/d、平均为0.0419mm/d，相对误差最大为2.6491%、最小为0.0341%、平均为0.8780%。
可见，网络模型预测的准确度较高，较以往的线性模型更合理，并且此网络训练花费的时间仅需0.0780s，具有一定的实用价值。
关键词：预测；
人工神经网络；
径向基函数；
棉花耗水量引言：计算机人工神经网络是20世纪8

艺术家和设计师：无需编码即可实现您的创意愿景！释放Unity的力量，程序员：在工具箱中添加功能强大的可视状态机编辑器，与脚本接口或使用自定义Playmaker。
::新的支持团结2019.2Beta版::NEW团结2019.1支持::NEW在2018.3嵌套预制支持::新的集成UI操作和事件。
::动作中的新自动转换变量。
::新的性能改进。
::操作的新类别图标。
::新收藏和最近的行动。
::新的新动作属性。
::在直观的图表视图中构建行为。
::拖放操作-没有语法错误！::使用复制/粘贴和模板节省时间。
::访问脚本和第三方插件。
::享受强大的运行时调试::监视状态，变量和事件。
::使用调试流程暂停和倒带时间。
::下载流行插件的动作包::NGUI，2DToolkit，Photon，iTween...::使用自定义动作扩展Playmaker。
::在我们的YouTube频道观看教程。
::加入活跃的在线社区

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。