用matlab计算汽车发动机的万有特性曲线，配合有相关算法的介绍文档，稍作修改便可以适应自己的数据和具体要求。

第一章人工神经网络…………………………………………………3§1.1人工神经网络简介…………………………………………………………31．1人工神经网络的起源……………………………………………………31．2人工神经网络的特点及应用……………………………………………3§1.2人工神经网络的结构…………………………………………………42．1神经元及其特性…………………………………………………………52．2神经网络的基本类型………………………………………………62.2.1人工神经网络的基本特性……………………………………62.2.2人工神经网络的基本结构……………………………………62.2.3人工神经网络的主要学习算法………………………………7§1.3人工神经网络的典型模型………………………………………………73．1Hopfield网络…………………………………………………………73．2反向传播(BP)网络……………………………………………………83．3Kohonen网络…………………………………………………………83．4自适应共振理论(ART)……………………………………………………93．5学习矢量量化（LVQ）网络…………………………………………11§1.4多层前馈神经网络（ＢＰ）模型…………………………………………124．1BP网络模型特点 ……………………………………………………124．2BP网络学习算法………………………………………………………134.2.1信息的正向传递………………………………………………134.2.2利用梯度下降法求权值变化及误差的反向传播………………144．3网络的训练过程………………………………………………………154．4BP算法的改进………………………………………………………154.4.1附加动量法………………………………………………………154.4.2自适应学习速率…………………………………………………164.4.3动量-自适应学习速率调整算法………………………………174．5网络的设计………………………………………………………………174.5.1网络的层数…………………………………………………174.5.2隐含层的神经元数……………………………………………174.5.3初始权值的选取………………………………………………174.5.4学习速率…………………………………………………………17§1.5软件的实现………………………………………………………………18第二章遗传算法………………………………………………………19§2.1遗传算法简介………………………………………………………………19§2.2遗传算法的特点…………………………………………………………19§2.3遗传算法的操作程序………………………………………………………20§2.4遗传算法的设计……………………………………………………………20第三章基于神经网络的水布垭面板堆石坝变形控制与预测§3.1概述…………………………………………………………………………23§3.2样本的选取………………………………………………………………24§3.3神经网络结构的确定………………………………………………………25§3.4样本的预处理与网络的训练……………………………………………254．1样本的预处理………………………………………………………254．2网络的训练……………………………………………………26§3.5水布垭面板堆石坝垂直压缩模量的控制与变形的预测…………………305．1面板堆石坝堆石体垂直压缩模量的控制……………………………305．2水布垭面板堆石坝变形的预测……………………………………355．3BP网络与COPEL公司及国内的经验公式的预测结果比较…35§3.6结论与建议………………………………………………………………38第四章BP网络与遗传算法在面板堆石坝设计参数控制中的应用§4.1概述………………………………………………………………………39§4.2遗传算法的程序设计与计算………………………………………………39§4.3结论与建议…………………………………………………………………40参考文献…………………………………………………………………………

具有正交结构（Pbca-BN，空间）的完全四面结合的氮化硼（BN）同素异形体组：Pbca）通过第一性原理计算进行了研究。
在这项工作中，我们调查了密度泛函理论研究Pbca-BN的结构，弹性，电子性质和弹性各向异性局部密度逼近框架中采用超软伪势方法的三维方法（LDA）和广义梯度近似（GGA）。
根据我们的计算，我们发现Pbca-BN的体积模量为344GPa，剪切模量为316GPa，大的德拜温度为1734K，较小的位置比率0.14和60.1GPa的硬度，从而使其成为具有以下特性的超硬材料：潜在的技术和工业应用。
我们的计算表明，Pbca-BN在机械上是稳定，是一个宽带隙为5.399eV的绝缘体。

电视原理.第一章黑白电视原理1.1光和视觉特性1.2黑白电视系统组成原理1.3电视扫描与同步1.4黑白全电视信号1.5电视图象的基本参量第二章色度学与彩色电视　2.1光与颜色2.2颜色的计量系统2.3电视中彩色的分解与重现2.4电视RGB计色制与彩色正确重现第三章彩色电视制式　3.1概述3.2兼容制彩色电视基础3.3NTSC制3.4PAL制3.5SECAM制简介第四章电视摄像与发送技术　4.1广播电视系统的组成4.2电视摄像机4.3摄象器件4.4电视图像信号的处理4.5同步信号的形成4.6PAL全电视信号的形成4.7电视信号的发送第五章电视接收技术5.1电视接收技术概论5.2高频调谐器5.3图象通道电路5.4解码电路5.5同步分离电路5.6扫描电路5.7显象管及其附属电路第六章电视新技术概论6.1卫星电视广播6.2数字电视6.3高清晰度电视（HDTV)6.4共用天线电视（CATV）系统6.5电视多工广播6.6立体电视

Octivi当下网站每周请求数已达10亿次，然而出人意料的是，他们仍然使用着Symfony2这个通常被认为低性能的PHPFramework。
除此之外，他们更使用了Redis作为主要储存。
如果你还在Symfony2和Redis使用中存在这样的错误观念——不能使用Redis作为主要存储；
Symfony2的功能很多，以至于它的运行很慢，那么不妨看向Octivi的高请求网站打造。
虽然没有底层细节，但详细展示基于两者应用的宏观特性，以及开发时的Symfony2特征。
有人说Symfony2像其它的复杂框架一样，很慢，但是我们认为这一切都取决用户的本身。
本文将介绍基于Symfony2，每周执行10亿多

SPH光滑粒子流体动力学中英文都有，中文版本以及英文版的都有，拿去参考吧。
光滑粒子流体动力学-一种无网格粒子法第1章绪论1.1数值模拟1.1.1数值模拟的作用1.1.2一般数值模拟的求解过程1.2基于网格的方法1.2.1拉格朗日网格1.2.2欧拉网格1.2.3拉格朗日网格和欧拉网格的结合1.2.4基于网格的数值方法的局限性1.3无网格法1.4无网格粒子法(MPMS)1.5MPMs的求解策略1.5.1粒子描述法1.5.2粒子近似1.5.3MPMS的求解过程1.6光滑粒子流体动力学(SPH)1.6.1SPH方法1.6.2SPH方法简史1.6.3本书中的SPH方法第2章SPH的概念和基本方程2.1SPH的基本思想2.2SPH的基本方程2.2.1函数的积分表示法2.2.2函数的导数积分表示法2.2.3粒子近似法2.2.4推导SPH公式的一些技巧2.3其他基本概念2.3.1支持域和影响域2.3.2物理影响域2.3.3particle—in-cell(PIC)方法2.4结论第3章光滑函数的构造3.1引言3.2构造光滑函数的条件3.2.1场函数的近似3.2.2场函数导数的近似3.2.3核近似的连续性3.2.4粒子近似的连续性3.3构造光滑函数3.3.1构造多项式光滑函数3.3.2一些相关的问题3.3.3光滑函数构造举例3.4数值测试3.5结论第4章SPH方法在广义流体动力学问题中的应用4.1引言4.2拉格朗日型的Navier—Stokes方程4.2.1有限控制体与无穷小流体单元4.2.2连续性方程4.2.3动量方程4.2.4能量方程4.2.5Navier-Stokes方程4.3用SPH公式解Navier-Stokes方程组4.3.1密度的粒子近似法4.3.2动量方程的粒子近似法4.3.3能量方程的粒子近似法4.4流体动力学的SPH数值相关计算4.4.1人工粘度4.4.2人工热量4.4.3物理粘度4.4.4可变光滑长度4.4.5粒子间相互作用的对称化4.4.6零能模式4.4.7人工压缩率4.4.8边界处理4.4.9时间积分4.5粒子的相互作用4.5.1最近相邻粒子搜索法(NNPS)4.5.2粒子对的相互作用4.6数值算例4.6.1在不可压缩流的应用4.6.2在自由表面流的应用4.6.3SPH对可压缩流的应用4.7结论第5章非连续的SPH(DSPH)5.1引言5.2修正光滑粒子法5.2.1一维情况5.2.2多维情况5.3模拟非连续现象的DSPH公式5.3.1DSPH公式5.3.2非连续的确定5.4数值性能研究5.5冲击波的模拟5.6结论第6章SPH在爆炸模拟中的应用6.1引言6.2HE爆炸和控制方程6.2.1爆炸过程6.2.2HE的稳态爆轰6.2.3控制方程6.3SPH公式6.4光滑长度6.4.1粒子的初始分布6.4.2光滑长度的更新6.4.3优化和松弛过程6.5数值算例6.6应用SPH方法模拟锥孔炸药6.7结论第7章SPH在水下爆炸冲击模拟中的应用7.1引言7.2水下爆炸和控制方程7.2.1水下爆炸冲击的物理特性7.2.2控制方程7.3SPH公式7.4交界面处理7.5数值算例7.6真实爆炸模型与人工爆炸模型的比较研究7.7水介质缓冲模拟7.7.1背景7.7.2模拟设置7.7.3模拟结果7.7.4小结7.8结论第8章SPH方法在具有材料强度的动力学中的应用8.1引言8.2具有材料强度的动力学8.2.1控制方程8.2.2本构模型8.2.3状态方程8.2.4温度8.2.5声速8.3具有材料强度的动力学SPH公式8.4张力不稳定问题8.5自适应光滑粒子流体动力学(ASPH)8.5.1为什么需要ASPH方法8.5.2ASPH的主要思想8.6对具有材料强度的动力学的应用8.7结论第9章与分子动力学耦合的多尺度模拟9.1引言9.2分子动力学9.2.1分子动力学的基本原理9.2.2经典分子动力学9.2.3经典MD模拟9.2.4Poiseuille流的MD模拟9.3MD与FEM和FDM的耦合9.4MD与SPH的耦合9.4.1模型I：双重功能(具有重叠区域的模型)9.4.2模型Ⅱ：力桥(没有重叠区域的模型)9.4.3

内容简介本书通过介绍如何从麦克斯韦方程利用一系列简化假设直接得到集总电路抽象，在电气工程和物理间建立了清晰的联系。
本书中始终使用抽象的概念，以统一在模拟和数字设计中所进行的工程简化。
本书更为强调数字领域。
但我们对数字系统的处理却强调其模拟方面。
从开关、电源、电阻器和MOSFET开始，介绍KCL、KVL应用等内容。
本书表明，数字特性和模拟特性可通过关注元件特性的不同区域而获得。
作者简介AnantAgarwal是麻省理工学院(MIT)电气工程与计算机科学系(EECS)教授，1988年成为教师。
讲授的课程包括电路与电子学，VLSI，数字逻辑与计算机结构。
1999—2003年任计算机科学实验室(LCS)副主任。
Agarwal教授获斯坦福大学电气工程博士和硕士学位，印度IITMadras大学电气工程学士学位。
Agarwal教授领导的研究小组于1992年开发了Sparcle多线程微处理器，于1994年开发了MITAlewife可扩展共享存储器微处理器。
他同时还领导着MIT的VirtualWires项目，并为VirtualMachineWorks公司的创始人。
该公司于1993年将VirtualWires的逻辑仿真技术应用于市场。
目前Agarwal教授在MIT领导Raw项目。
该项目旨在开发新型可重配置的计算芯片。
他带领其团队开发了世界上最大的麦克风阵列LOUD，可以在噪音中定位、跟踪并放大语音，因此于2004年被授予吉尼斯世界记录。
他还与他人共同创建了Engim公司。
该公司开发多通道无线混合信号芯片集。
Agarwal教授还于2001年获得MauriceWilkes计算机结构奖，于1991年获得PresidentialYoungInvestigator奖。
JeffreyH．Lang是麻省理工学院(MIT)电气工程与计算机科学系(EECS)教授，1980年成为教师。
他分别于1975年、1977年和1980年在MIT的EECS获得学士、硕士和博士学位。
他在1991年至2003年期间任MIT电磁与电子系统实验室(LEES)副主任，在1991年至1994年任SensorsandActuators杂志副主编。
Lang教授的研究与教学兴趣在于分析、设计与控制机电系统，尤其关注电机、微传感器和驱动器以及柔性结构等方面。
他在MIT讲授电路与电子学课程。
他撰写过超过170篇论文并在机电、电力电子和应用控制等方面拥有10项专利。
他还获得过4次IEEE协会的最佳论文奖。
Lang教授是IEEE的Fellow，同时是原Hertz基会会的Fellow。

C#，读做"Csharp"，中文译音暂时没有，非专业人士一般读"C井"，专业人士一般读"Csharp"。
　　C#是一种安全的、稳定的、简单的、优雅的，由C和C++衍生出来的面向对象的编程语言。
它在继承C和C++强大功能的同时去掉了一些它们的复杂特性（例如没有宏和模版，不允许多重继承）。
C#综合了VB简单的可视化操作和C++的高运行效率，以其强大的操作能力、优雅的语法风格、创新的语言特性和便捷的面向组件编程的支持成为.NET开发的首选语言。
C#并且C#成为ECMA与ISO标准规范。
C#看似基于C++写成，但又融入其它语言如Pascal、Java、VB等。
　　微软c#语言定义主要是从C和C++继承而来的,而且语言中的许多元素也反映了这一点.C#在设计者从C++继承的可选选项方面比Java要广泛一些(比如说struts),它还增加了自己新的特点(比方说源代码版本定义).但它还太不成熟,不可能挤垮Java.C#还需要进化成一种开发者能够接受和采用的语言.而微软当前为它的这种新语言大造声势也是值得注意的.目前大家的反应是:"这是对Java的反击."　　C#更像Java一些,虽然微软在这个问题上保持沉默.这也是意料中的事情,我觉得,因为Java近来很成功而使用Java的公司都报告说它们在生产效率上比C++获得了提高.　　Java所带来的巨大影响和大家对它的广泛接受已经由工作于这种语言和平台之上的程序员数量明显的说明了(估计世界范围内共有两百五十万程序员使用Java).由这种语言写成的应用程序的数量是令人惊讶的并已经渗透了每一个级别的计算,包括无线计算和移动电话(比如日本发明的Java电话).C#能够在用户领域获得这样的礼遇吗?我们必须等待并观望,就像已经由SSI公司的CEO和主席KalpathiS.Suresh指出来的那样,"我发现所有这些都是渐进的.如果C#不存在,我们总能回到Java或C和C++.这些都不完全是新技术;它们在更大的意义上来说只是大公司制造的市场噱头.我们必须给他们时间安顿下来看看这些是不是真的对IT工业有什么影响."

自计算机视觉产生开始，视觉信息则自动成为其处理的对象。
纹理特征作为视觉信息的重要部分，成为图像特征提取的重点。
针对纹理特征提取中，传统LBP算法作为一种基于灰度的算法，仅仅局限对低分辨率图片，其识别率通常比较低的问题，提出一种基于小波变换的LBP算法。
该算法利用小波变换的局部特性、方向性和多方向性等特点，并结合LBP算法自身具有的旋转不变形、灰度不变形等特点，从而通过小波变换对高分辨率图片的分解，再通过局部二值模式的优势，从而实现对图像纹理特征的提取。
最后通过MATLAB软件编程与ORL数据库的对比测试，改进算法的识别率明显优于传统LBP算法。

这里包含三个高质量的Gabor实现代码，分别基于C、OpenCV、Matlab，大家各取所需吧。
Gabor变换可以实现在多个尺度、多个方位上的变换，尤其是对于纹理的检测有很好的效果，研究表明Gabor特征符合人眼感受野特性。

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。