目录摘要 IAbstract II目录 I第1章绪论 11.1开发背景及目标 11.2系统的B/S模式 11.2.1软件体系结构介绍 11.2.2B/S的三层体系结构 21.2.3C/S架构的优势与劣势 31.2.4B/S架构的优势与劣势 41.3开发工具的选用及介绍 51.3.1JSP网络技术 51.3.2Dreamweaver介绍 61.3.3SQLServer2000介绍 71.4开发及运行环境 81.4.1硬件环境及操作系统 81.4.2系统开发平台 9第2章网站总体分析和总体设计 102.1网站总体分析 102.1.1需求分析 102.1.2可行性分析 102.1.3业务流程分析 112.2网站总体设计 122.2.1前台功能模块设计 122.2.2网页界面设计 142.2.3后台功能模块设计 182.2.4MVC设计模式 18第3章后台数据库制作 203.1数据库概述 203.1.1关系型数据库 203.1.2JDBC数据库访问技术 203.1.3SQL语言介绍 223.2数据库设计 233.2.1数据库设计规划 233.2.2用户需求分析 233.2.3概念结构设计 243.2.4逻辑结构设计 273.2.5数据库运行与维护 293.3模块的实现 293.3.1数据添加功能 293.3.2数据查询功能 303.3.3数据修改功能 313.3.4数据删除功能 323.4JSPWeb服务 323.4.1JSP服务对象 323.4.2JavaBeans简介 333.5JavaScript脚本语言介绍 34第4章网站的测试 354.1单元测试 354.2集成测试 354.3系统测试 354.4测试过程 354.5测试结果 35结论 37致谢： 38参考文献 39附录 40

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…………………………………………………………………………

Windows10+QtCreator4.11(BaseonQt5.14.0)DLL文件的制作与静态调用源码

C++primer5theditionmobi（第五版kindle格式），方便上下班路上看看，有目录，格式很好很清晰。
，《C++Primer（第5版）》所有示例均全部采用C++11标准改写，这在经典升级版中极其罕见——充分体现了C++语言的重大进展及其全面实践。
《C++Primer（第5版）》丰富的教学辅助内容、醒目的知识点提示，以及精心组织的编程示范，让这本书在C++领域的专业地位更加不可动摇。
无论是初学者入门，或是中、高级程序员提升，本书均为不容置疑的选择。

滤波器讲座滤波器设计-by贾宝富，现代滤波器设计讲座（1）~（11）

家庭收支统计表V4.11.xlsx.7zexcel

【保证可用】。
Synergy是使用一套鼠标和键盘就可以同时操作多台计算机的免费工具，Synergy安全没有任何病毒，而且使用者也可以在多种平台进行使用，不管是windows、Linux还是mac你都可以安装Synergy进行使用，只要设定好主从关系，就能够透过一套键鼠就能够对多台计算机进行操控

flink是新一代的流式计算引擎，它需要从不同的第三方存储引擎读取数据，进行一定的处理，写出到不同的存储引擎，Connector就相当于是一个连接器，连接flink系统和外界存储系统。

googleEfficientDet算法中文版paper.将高效网络骨架与我们提出的BiFPN和复合尺度相结合，我们开发了一种新的对象检测器家族，称为高效Det，它始终以比以前的对象检测器更少的参数和FLOP来获得更好的精度。
图和图形显示COCO数据集上的性能比较。
在类似的精度约束下，我们的有效DET使用的FLOP比YOLOv3少28倍，FLOP比RetinaNet少30倍，FLOP比最近基于ResNet的NAS-FPN少19倍。
特别是，在单模型和单测试时间尺度下，我们的高效Det-D7实现了最先进的53.7AP和52M参数和325BFLOP，在1.5AP的情况下优于以前最好的检测器，而在4倍小和使用13倍少的FLOP。
我们的高效DET在GPU/CPU上也比以前的检测器快4倍至11倍。

包括MC9S08DZ60开发板说明书，以及详细的例程：2013-01-11上午11:20ACMP2013-01-11上午11:20ADC2013-01-11上午11:20Buzzer2013-01-11上午11:20CAN2013-01-11上午11:20can总线流程图2013-01-14下午01:34eeprom2013-01-11上午11:20Flash2013-01-11上午11:20IIC_24C022013-01-11上午11:20IIC_85632013-01-11上午11:20Irq2013-01-11上午11:20KBI2013-01-12上午09:03Key2013-01-11上午11:20Key_LED2013-01-11上午11:20LCD122322013-01-11上午11:20LCD16022013-01-11上午11:20LED2013-01-11上午11:20LVD2013-01-11上午11:20MCG_PLL2013-01-11上午11:20NRF24L01_IO2013-01-11上午11:20NRF24L01_SPI2013-01-11上午11:20rst2013-01-12下午05:14rtc2013-01-12下午05:04SCI2013-01-11上午11:20SPI2013-01-11上午11:20stop22013-01-11上午11:20stop32013-01-11上午11:20tpmpwm边沿输出2013-01-11上午11:20tpm自由溢出2013-01-11上午11:21wait

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。