奥本海姆（AlanV．Oppenheim）教授是美国麻省理工学院电子学研究实验室（ELE）的首席研究员，其研究领域包括在一般领域的信号处理及应用。
奥本海默教授是美国国家工程院院士（NationalAcademyofEngineering）和IEEE会士，也是EtaKappaNu和SigmaXi的联谊会会员。
同时他还是古根海姆（Guggenheim）学者和以色列特拉维夫大学赛克勒尔（Sackler）学者。
奥本海姆教授因其出色的科研和教学工作多次获奖，其中包括IEEE教育勋章、IEEE百年杰出贡献奖、IEEE在声学、语音和信号处理领域的社会与科学成就奖和资深成就奖。
2007年他还获得了IEEEJackS．Kilby信号处理奖章。
目录第1章信号与系统SignalsandSystems第2章线性时不变系统LinearTime—InvariantSystems第3章周期信号的傅里叶级数表示FourierSeriesRepresentationofPeriodicSignals第4章连续时间傅里叶变换TheContinuous—TimeFourierTransform第5章离散时间傅里叶变换TheDiscreteTimeFourierTransf01Tll第6章信号与系统的时域和频域特性Time—andFrequeneyCharacterizationofSignalsandSystems第7章抽样Sampling第8章通信系统CommunicationSystems第9章拉普拉斯变换TheLaplaceTransform第10章Z变换TheZTransf01TII第11章线性反馈系统LinearFeedbackSystems附录部分分式展开Partial-FractionExpansion参考文献Bibliography习题答案Answers索引Inde

第一章VisualBasic介绍第二章用户界面设计第三章编程的基础（含变量，常量，条件语句，循环语句，自定义变量，自定义过程，对象和类等基础）第四章Windows95的新控件VisualBasic的输入输出第五章VisualBasic的鼠标事件和绘图第六章VisualBasic的数据库、报表、预览、打印第七章从文件中存取资料第八章发行应用程序第九章使用WindowsAPI和用VisualBasic建立自己的屏幕保护程序第十章创建ActiveX控件第十一章ActiveX文档第十二章用对象链接与嵌入（OLE）扩展VisualBasic第十三章使用资源文件第十四章用VisualBasic建立ActiveXDLL第十五章用Winsock控件进行Internet通信第十六章Web浏览控件

上海大学计算机编译原理PPT,本科的。
如果需要欢迎下载从第一张到第11章

第11章变量名的力量内容：11.1选择好变量名的注意事项：第259页11.2为特定类型的数据结构命名：第264页11.3命名规则的力量：第270页11.4非正式命名规则：第272页11.5标准前缀：第279页11.6创建具备可读性的短名字：第282页11.7应该避免的名字：第285页相关章节子程序命名：第7.3节类的命名：第6.2节是使用变量的一般事项：第10章格式化数据声明：第31.5节中的“数据声明的布局”注释变量：第32.5节中的“注释数据声明” 尽管讨论如何为变量取好的名字与讨论如何高效编程同样重要，我却还没看到任何资料能将创建好的名字的注意事项涵盖一二。
很多教科书只用几段的篇幅讲讲如何选择缩写，几句老生常谈，指望你能自己解决这个问题。
我却要反其道而行之：就如何去一个好的名字给你大量的信息，多的你可能根本都不会用到！本章所诉原则主要适用于为变量------对象和基本数据---命名。
不过它们也适用于为类，包，文件以及其它的编成实体命名。
有关如何为子程序请参阅第7.3节“好的子程序名字”

《软件设计师考试同步辅导：考点串讲、真题详解与强化训练（第2版）》是按照最新颁布的全国计算机技术与软件专业技术资格（水平）考试大纲和指定教材编写的考试参考用书。
全书分为13章，内容包括：计算机网络基础知识、程序语言基础知识、操作系统知识、系统开发和运行、网络基础知识、多媒体基础知识、数据库技术、数据结构、算法设计和分析、面向对象技术、标准化和软件知识产权基础知识、计算机专业英语和考前模拟卷。
每章分为备考指南、考点串讲、真题详解和强化训练四大部分，帮助读者明确考核要求，把握命题规律与特点，掌握考试要点和解题方法。
　　《软件设计师考试同步辅导：考点串讲、真题详解与强化训练（第2版）》紧扣考试大纲，具有应试导向准确、考试要点突出、真题分析详尽、针对性强等特点，非常适合参加软件设计师考试的考生使用，也可作为高等院校或培训班的教材。
目录第1章计算机系统知识第2章程序语言基础知识第3章操作系统知识第4章系统开发和运行第5章网络基础知识第6章多媒体基础知识第7章数据库技术第8章数据结构第9章算法设计和分析第10章面向对象技术第11章标准化和软件知识产权基础知识第12章计算机专业英语第13章考前模拟卷

注：由于该资源较大，故分为两个部分上传，资源共10积分，两个压缩包平均5积分。
需要两部分同时下载，同时解压才能获得完整资源。
（该部分为part1,part2也已上传至我的资源，可在我主页内下载）本资源是《微信公众平台与小程序开发从零搭建套系统》高清PDF扫描版。
该书由张剑明著，中国工信出版集团和人民邮电出版社联合出版，有需要的小伙伴可以下载学习参考。
本书目录如下：第1章　微信生态1.1　微信：是一个生活方式　11.2　微信公众平台　61.2.1　公众平台简介　61.2.2　服务号和订阅号　71.3　企业号　81.4　小程序　81.5　微信开放平台　91.6　微信支付　101.7　表情开放平台　121.8　微信广告　121.9　小结　13第2章　开发环境及技术介绍2.1　集成软件包介绍　142.2　XAMPP的安装与配置　152.3　PhpStorm的安装及配置　202.4　相关技术介绍　232.4.1　HTTP　232.4.2　HTML5　252.5　小结　26第3章　开发前的准备3.1　开发概述　273.1.1　OpenID　273.1.2　公众号使用场景　283.2　公众号消息会话流程　303.3　接入指南　313.4　接口权限及调用频率　333.5　微信网页开发样式库　353.6　小结　37第4章　常用调试方法及工具4.1　微信测试号　384.2　接口在线调试　414.3　微信Web开发者工具　424.3.1　微信网页授权调试　434.3.2　JS-SDK权限校验　454.3.3　网页远程调试　454.4　前端调试工具　464.4.1　谷歌浏览器开发者工具　484.5　移动端抓包与调试　504.5.1　Charles抓包工具　554.6　小结　56第5章　基于CodeIgniter的微信公众平台开发框架5.1　CodeIgniter简介　575.2　工程代码改造　595.3　微信公众号开发配置　605.4　小结　63第6章　微信网页开发6.1　微信网页授权原理　646.1.1　网页授权注意事项　656.1.2　网页授权流程　666.2　微信网页授权实例　676.3　微信网页多域名授权　746.3.1　原理分析　746.3.2　代码实现　766.4　微信JS-SDK　786.4.1　接入准备　796.4.2　JS-SDK接口实例　806.5　小结　85第7章　微信支付7.1　微信支付接入方式　867.2　微信支付准备工作　887.3　微信支付实践　897.3.1　示例代码解析　907.3.2　支付示例　917.3.3　支付结果通知　967.4　聚合支付　997.4.1　聚合支付接入示例　1017.5　小结　105第8章　微信登录8.1　微信开放平台　1078.1.1　UnionID机制　1088.2　微信自动登录　1098.2.1　数据结构设计　1108.2.2　代码实现　1128.2.3　使用UnionID登录　1178.2.4　如何应用到现有站点　1188.3　小结　120第9章　微信小程序9.1　小程序简介　1219.2　开发环境及框架　1229.2.1　开发配置　1259.2.2　HTTPS配置　1269.3.1　iOS/Android开发者　1299.3　如何着手开发小程序　1299.4　页面生命周期　1309.3.2　前端开发者　1309.3.3　后端开发者　1309.5　小程序组件和API　1349.6　小程序登录　1349.7　小程序微信支付　1409.8　小结　145第10章　案例：第一个echoserver程序10.1　接入开发者模式　14610.2　消息响应　14710.2.1　公众号会话保存Session　15310.3　自定义菜单　15410.4　小结　157第11章　案例：微信随手记11.1　需求描述　15911.2　数据库设计　15911.3　代码实现　16111.3.1　添加主题　16111.3.3　主题查看　16311.3.4　图片下载　16611.3.5　图片预览　16911.3.6　聊天机器人　17011.3.7　入口函数　17411.4　运行效果　17511.5　小结　177

决策树方法在分类、预测、规则提取等领域有着广泛应用。
在20世纪70年代后期和80年代初期，机器学习研究者J.RossQuinilan提出了ID3[5-2]算法以后，决策树在机器学习、数据挖掘邻域得到极大的发展。
Quinilan后来又提出了C4.5，成为新的监督学习算法。
1984年几位统计学家提出了CART分类算法。
ID3和ART算法大约同时被提出，但都是采用类似的方法从训练样本中学习决策树。

目录第1章线性神经网络的工程应用1.1系统辨识的MATLAB实现1.2自适应系统辨识的MATLAB实现1.3线性系统预测的MATLAB实现1.4线性神经网络用于消噪处理的MATLAB实现第2章神经网络预测的实例分析2.1地震预报的MATLAB实现2.1.1概述2.1.2地震预报的MATLAB实例分析2.2交通运输能力预测的MATLAB实现2.2.1概述2.2.2交通运输能力预测的MATLAB实例分析2.3农作物虫情预测的MATLAB实现2.3.1概述2.3.2农作物虫情预测的MATLAB实例分析2.4基于概率神经网络的故障诊断2.4.1概述2.4.2基于PNN的故障诊断实例分析2.5基于BP网络和Elman网络的齿轮箱故障诊断2.5.1概述2.5.2基于BP网络的齿轮箱故障诊断实例分析2.5.3基于Elman网络的齿轮箱故障诊断实例分析2.6基于RBF网络的船用柴油机故障诊断2.6.1概述2.6.2基于RBF网络的船用柴油机故障诊断实例分析第3章BP网络算法分析与工程应用3.1数值优化的BP网络训练算法3.1.1拟牛顿法3.1.2共轭梯度法3.1.3LevenbergMarquardt法3.2BP网络的工程应用3.2.1BP网络在分类中的应用3.2.2函数逼近3.2.3BP网络用于胆固醇含量的估计3.2.4模式识别第4章神经网络算法分析与实现4.1Elman神经网络4.1.1Elman神经网络结构4.1.2Elman神经网络的训练4.1.3Elman神经网络的MATLAB实现4.2Boltzmann机网络4.2.1BM网络结构4.2.2BM网络的规则4.2.3用BM网络解TSP4.2.4BM网络的MATLAB实现4.3BSB模型4.3.1BSB神经模型概述4.3.2BSB的MATLAB实现第5章预测控制算法分析与实现5.1系统辨识5.2自校正控制5.2.1单步输出预测5.2.2最小方差控制5.2.3最小方差间接自校正控制5.2.4最小方差直接自校正控制5.3自适应控制5.3.1MIT自适应律5.3.2MIT归一化算法第6章改进的广义预测控制算法分析与实现6.1预测控制6.1.1基于CARIMA模型的JGPC6.1.2基于CARMA模型的JGPC6.2神经网络预测控制的MATLAB实现第7章SOFM网络算法分析与应用7.1SOFM网络的生物学基础7.2SOFM网络的拓扑结构7.3SOFM网络学习算法7.4SOFM网络的训练过程7.5SOFM网络的MATLAB实现7.6SOFM网络在实际工程中的应用7.6.1SOFM网络在人口分类中的应用7.6.2SOFM网络在土壤分类中的应用第8章几种网络算法分析与应用8.1竞争型神经网络的概念与原理8.1.1竞争型神经网络的概念8.1.2竞争型神经网络的原理8.2几种联想学习规则8.2.1内星学习规则8.2.2外星学习规则8.2.3科荷伦学习规则第9章Hopfield神经网络算法分析与实现9.1离散Hopfield神经网络9.1.1网络的结构与工作方式9.1.2吸引子与能量函数9.1.3网络的权值设计9.2连续Hopfield神经网络9.3联想记忆9.3.1联想记忆网络9.3.2联想记忆网络的改进9.4Hopfield神经网络的MATLAB实现第10章学习向量量化与对向传播网络算法分析与实现10.1学习向量量化网络10.1.1LVQ网络模型10.1.2LVQ网络学习算法10.1.3LVQ网络学习的MATLAB实现10.2对向传播网络10.2.1对向传播网络概述10.2.2CPN网络学习及规则10.2.3对向传播网络的实际应用第11章NARMAL2控制算法分析与实现11.1反馈线性化控制系统原理11.2反馈线性控制的MATLAB实现11.3NARMAL2控制器原理及实例分析11.3.1NARMAL2控制器原理11.3.2NARMAL2控制器实例分析第12章神经网络函数及其导函数12.1神经网络的学习函数12.2神经网络的输入函数及其导函数12.3神经网络的性能函数及其导函数12.3.1性能函数12.3.2性能函数的导函数第13章Simulink神经网络设计13.1Simulink交互式仿真集成环境13.1.1Simulink模型创建1

书名：《LabVIEW虚拟仪器从入门到测控应用130例》(电子工业出版社.李江全.任玲.廖结安.温宝琴)PDF格式扫描版，全书分为13章，共486页。
2013年4月出版。
内容简介本书从实际应用出发，通过130个典型实例系统地介绍了LabVIEW语言的程序设计方法及其测控应用技术，入门基础篇包括第0～10章，主要内容有LabVIEW基础、数值型数据、布尔型数据、字符串数据、数组数据、簇数据、数据类型转换、程序结构、变量与节点、图形显示和文件I/O；
测控应用篇包括第11～13章，主要内容有PC通信与单片机测控、远程YO模块与PLC测控及LabVIEW数据采集。
提供的实例由实例说明、设计任务和任务实现等部分组成，并有详细的操作步骤。
注：原书没有书签。
为了方便阅读，本人在上传前添加了完整详细的书签。
目录入门基础篇第0章LabVIEW基础0.1LabVIEW概述0.2LabVIEW的编程环境0.3LabVIEW的基本概念0.4前面板对象设计基础0.5数据类型及其运算0.6VI调试方法第1章数值型数据实例基础数值型数据概述实例1数值输入与显示实例2时间标识输入与显示实例3滑动杆输出实例4旋钮与转盘输出实例5滚动条与刻度条实例6数值算术运算实例7数值常量第2章布尔型数据实例基础布尔型数据概述实例8开关与指示灯实例9数值比较实例10数值逻辑运算实例11真常量与假常量实例12确定按钮实例13停止按钮实例14单选按钮实例15按钮的快捷键设置第3章字符串数据实例基础字符串数据概述实例16计算字符串的长度实例17连接字符串实例18截取字符串实例19字符串大小写转换实例20替换子字符串实例21搜索替换字符串实例22格式化日期/时间字符串实例23格式化写入字符串实例24搜索/拆分字符串实例25选行并添加至字符串实例26匹配字符串实例27匹配真/假字符串实例28组合框第4章数组数据实例基础数组数据概述实例29初始化数组实例30创建数组实例31计算数组大小实例32求数组最大值与最小值实例33删除数组元素实例34数组索引实例35替换数组子集实例36提取子数组实例37数组插入实例38拆分一维数组实例39一维数组排序实例40搜索一维数组实例41二维数组转置实例42数组元素算术运算第5章簇数据实例基础簇数据概述实例43捆绑实例44解除捆绑实例45按名称捆绑实例46按名称解除捆绑实例47创建簇数组实例48索引与捆绑簇数组第6章数据类型转换实例基础数据类型转换概述实例49字符串至路径转换实例50路径至字符串转换实例51数值至字符串转换实例52字符串至数值转换实例53字节数组至字符串转换实例54字符串至字节数组转换实例55数组至簇转换实例56簇至数组转换实例57布尔数组至数值转换实例58数值至布尔数组转换实例59布尔值至0，1转换第7章程序结构实例60For循环结构实例61While循环结构实例62条件结构实例63层叠式顺序结构实例64平铺式顺序结构实例65定时循环结构实例66定时顺序结构实例67事件结构实例68禁用结构第8章变量与节点实例69局部变量实例70全局变量实例71公式节点实例72反馈节点实例73表达式节点实例74属性节点实例75子程序设计实例76菜单设计第9章图形显示实例77波形图表实例78波形图实例79XY图实例80强度图第10章文件I/O实例基础文件I/O概述实例81写入文本文件实例82读取文本文件实例83写入二进制文件实例84读取二进制文件实例85写入波形至文件实例86从文件读取波形实例87写入电子表格文件实例88读取电子表格文件测控应用篇第11章PC通信与单片机测控实例89PC与PC串口通信实例90PC双串口互通信实例91PC与单个单片机串口通信实例92PC与多个单片机串口通信实例93单片机模拟电压采集实例94单片机模拟电压输出实例95单片机开关信号输入实例96单片机开关信号输出实例97单片机温度测控实例98单台智能仪器温度检测实例99多台智能仪器温度检测实例100短信接收与发送实例101网络温度监测第12章远程I/O模块与PLC测控实例102远程I/O模块模拟电压采集实例103远程I/O模

MATLAB神经网络30个案例分析（高清+源码）包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络。
MATLAB神经网络30个案例分析（高清+源码）该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；
还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
-------目录第1章P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的数据预测——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SVM的数据分类预测——意大利葡萄酒种类识别第13章SVM的参数优化——如何更好的提升分类器的性能第14章SVM的回归预测分析——上证指数开盘指数预测第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——患者癌症发病预测第17章SOM神经网络的数据分类——柴油机故障诊断第18章Elman神经网络的数据预测——电力负荷预测模型研究第19章概率神经网络的分类预测——基于PNN的变压器故障诊断第20章神经网络变量筛选——基于BP的神经网络变量筛选第21章LVQ神经网络的分类——乳腺肿瘤诊断第22章LVQ神经网络的预测——人脸朝向识别第23章小波神经网络的时间序列预测——短时交通流量预测第24章模糊神经网络的预测算法——嘉陵江水质评价第25章广义神经网络的聚类算法——网络入侵聚类第26章粒子群优化算法的寻优算法——非线性函数极值寻优第27章遗传算法优化计算——建模自变量降维第28章基于灰色神经网络的预测算法研究——订单需求预测第29章基于Kohonen网络的聚类算法——网络入侵聚类第30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MATLAB

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。