全书共分五章：第一章简单引见常规变电站自动化系统的不足，主要引见了IEC61850标准的内容、特点和发展趋势；
第二章引见面向对象的基本概念，OSI、TCP/IP网络模型，以太网技术基础，XML、XMLSchema基础和常用软件工具；
第三章引见IEC61850的分层信息模型、具体定义、配置方式与配置文件；
第四章主要引见MMS基础知识、IEC61850与MMS的映射关系、MMS与ASN.1编解码和MMS典型报文分析；
第五章引见GOOSE服务、IEC61850—9—2SV服务、简单网络时间协议和IEEE1588精确时钟同步协议

这是基于YOLOV5目标检测模型的实时车牌识别，包括对车辆的车牌区域精确定位，利用校正探测器对定位的车牌进行边框校正处理，使用增强神经网络模型对车牌区域进行超分辨率技术处理和光学字符识别。
经过多次试验测试，可以对视频中的车辆车牌实时识别以及图片中的车辆车牌进行精确定位和识别，识别速度快，精确率高，比那些传统车牌识别方法效果好很多。
效果演示视频：1.https://www.bilibili.com/video/BV1eK4y1m7GQ/2.https://www.bilibili.com/video/BV13K4y1K7Pi/

利用现最流行的神经网络模型，在数学建模中根据已有的数据经过学习进行预测

利用现最流行的神经网络模型，在数学建模中根据已有的数据经过学习进行预测

基于神经网络的车牌识别，点击即可运行，内容包含：图像预处理，车牌水平矫正，字符分割，三层神经网络模型训练，字符识别显示，制造了简易的GUI界面，便于输出显示！

精确的电力负荷预测可以保证电力供应的稳定，降低用电成本，提高供电质量。
在进行短期电力负荷预测时，考虑到时序数据的时间相关性，应用张量流深度学习框架构建了LSTM神经网络模型，对电力负荷时序数据进行回归预测

线性规划、常微分方程的解法、马氏链模型、神经网络模型、偏最小二乘、回归时间序列、灰色系统理论及其使用、对策论、排队论、方差分析等29个数学建模必备通用模型及matlab解法

采用一种基于深度学习的人脸识别系统，通过逐层预训练的方法训练网络的初始权值，随后再精调网络，可使网络达到全局最优，避免网络模型陷入局部最优。

对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。
该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。
为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。
最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中能否存在异常行为。

目录第一章无线传感器网络概述 6概述 61.1NS-2 61.2OPNET 61.3SensorSim 71.4EmStar 71.5GloMoSim 71.6TOSSIM 71.7PowerTOSSIM 8第二章OMNET＋＋简介 9概述 92.1OMNeT++框架 92.1.1OMNeT++组成 92.1.2OMNeT++结构 102.2OMNeT++的安装 112.3OMNeT++语法 122.3.1NED语言 122.3.1.1NED总概述 122.3.1.2Ned描述的组件 132.3.1.3函数 152.3.2简单模块 172.3.2.1OMNET＋＋中离散事件 172.3.2.2包传输模型 172.3.2.3定义简单模块 182.3.2.4简单模块中的主要成员函数 202.3.3消息 212.3.3.1cMessage类 212.3.3.2消息定义 212.3.3.3消息的收发 222.3.4模块参数、门及连接的访问 232.3.4.1消息参数的访问 232.3.4.2门和连接的访问 242.3.4.3门的传输状态 262.3.3.4连接的状态 262.4仿真过程 272.5配置文件omnetpp.ini 282.6结果分析工具 292.6.1矢量描绘工具Plove 292.6.2标量工具Scalar 2927、结束语 30第三章物理层仿真（信道） 323.1UWB的基础知识 323.1.1UWB信号的应用背景 323.1.2UWB信号的定义 323.1.3UWB的脉冲生成方式(高斯脉冲,非高斯脉冲) 343.1.4UWB的调制方式 343.1.5用功率控制多址接入方法来进行链路的建立控制 363.2用OMNeT++对UWB进行仿真 373.2.1算法仿真的概述 373.2.2算法的具体流程 393.2.3算法的主要代码 413.2.4仿真结果分析 583.2.5应用前景 58参考文献 59第四章MAC层仿真 60概述 604.1无线传感器网络MAC层特性及分类 604.1.1无线信道特性 604.1.2MAC设计特性分析 614.1.3无线传感器网络典型MAC协议的分类 614.2基于随机竞争的MAC协议 624.2.1S-MAC协议[12] 624.2.2T-MAC协议 644.2.3AC-MAC协议 654.3基于时分复用的MAC协议 654.3.1D-MAC协议 654.3.2TRAMA协议 664.3.3AI-LMAC协议 664.4其他类型的MAC协议 674.4.1SMACS/EAR协议 674.4.2基于CDMA技术的MAC协议 674.4.3DCC-MAC 684.5基于OMNeT++的MAC层协议仿真 694.5.1S-MAC协议的仿真 694.5.2S-MAC协议流程图 704.5.3S-MAC协议的分析 714.6小结 86参考文献 86第五章网络层仿真 88概述 885.1无线传感器网络路由协议研究 885.1.1无线传感器网络协议分类 885.1.2无线传感器网络中平面路由 905.1.3无线传感器网络中层次化路由 915.1.4经典算法的OMNET仿真 935.2无线传感器网络路由协议研究的发展趋势 1045.3无线传感器网络层路由协议与OMNET++仿真 1045.3.1无线传感器网络层路由与OMNET++仿真的基本概念[19] 1045.3.1.1传感器网络的体系结构 1055.3.1.1.1传感节点的物理结构 1055.3.1.1.2传感器网络的体系结构与网络模型 1065.3.2传感器网络层路由协议的基本概念 1065.3.2.1网络通信模式[28] 1065.3.2.1.1单播： 1075.3.2.1.2广播： 1075.3.2.1.3组播： 1085.3.2.2传感器网络层设计[29] 1085.3.3OMNET++仿真软件的基本概念 1095.4无线传感器网络路由协议引见 1105.4.1泛洪法(Flooding)[32] 1115.4.2定向扩散(DirectedDiffusion：DD)[33] 1125.4.3LEACH(EnergyAdaptiveClusteringHierarchy)[34] 1135.5.OMNET++仿真实例 1145.5.1泛洪

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。