互联网是当今信息社会信息传播的主要载体，随着互联网对社会的影响日渐加深，把现实中的实物接入互联网，使其信息化的想法便自然而然的诞生了。
人们通过电子标签将真实的物体接入网络，这样就能通过网络统一地对设备进行集中管理、控制，最终对收集来大数据进行分析处理，更能使许多重大改变成为可能，如更精准的局部天气预测、犯罪防治和疾病监控等。
市面上有很多廉价易得的设备可以实现物联网的需求，而且实现起来非常简便，如Arduino、树莓派等。
本文主要介绍的是基于树莓派所实现的物联网。

gitchat资料。
从零开始学习BP神经网络。
本文主要叙述了经典的全连接神经网络结构以及前向传播和反向传播的过程。
通过本文的学习，读者应该可以独立推导全连接神经网络的传播过程，对算法的细节烂熟于心。
另外，由于本文里的公式大部分是我自己推导的，所以可能会有瑕疵，希望读者不吝赐教。
  虽然这篇文章实现的例子并没有什么实际应用场景，但是自己推导一下这些数学公式对理解神经网络内部的原理很有帮助，继这篇博客之后，我还计划写一个如何自己推导并实现卷积神经网络的教程，如果有人感兴趣，请继续关注我！

免费的视频压缩工具。
能够将大尺寸的视频压缩能小尺寸的，方便微信或者手机传播。

报道了工作在1341nm的激光二极管(LD)纵向抽运主被动锁模Nd:YAP激光器。
该激光器采用Nd:YAP晶体作为增益介质,可饱和吸收体V3+:YAG作为被动锁模器件,声光调制器作为主动锁模器件。
在抽运能量50mJ,抽运频率10Hz的情况下获得了0.82mJ的脉冲串输出。
该脉冲串的半峰全宽为570ns,每个脉冲间的间隔为7.7ns,共包含约75个脉冲,单脉冲的平均能量为11μJ。
采用电光晶体RbTiOPO4(RTP)作腔倒空,获得了能量为160μJ,脉宽为680ps的单脉冲输出。
采用InGaAs红外探测器测得光斑大小约为1.2mm,激光传播因子M2约为1.5。

SSOP贴片芯片封装（三维PCB封装库）AD用PCB封装库，作者主页下有全套的三维PCB封装库，欢迎大家下载使用。
文件为作者千辛万苦整理的，请大家自用，不要随意传播，谢谢！～

射线追踪的matlab仿真代码，计算到达功率，画出传播路径图

随着人们对基于位置的服务（LocationBasedService，LBS）需求日益增大，以及无线通信技术的快速发展，无线定位技术成为了一个研究热点。
人们在室外广泛使用目前较成熟的GPS，A-GPS等定位系统进行定位，但是在复杂的室内环境中，这些技术的定位精度不高，不能满足室内定位的需求。
WIFI网络具有通信快速、部署方便的特点，它在室内场所广受欢迎.Android系统从几年前发布以来在智能手机操作系统市场占有率不断升高，成为目前使用最为广泛的智能手机操作系统，同时Android移动终端自身具备WIFI无线连接功能。
指纹定位算法以其独特的优势减小了对室内难以精确定义的信号传播模型的依赖性，成为定位技术中的一个研究热点。
基于此，本课题重点研究并改进指纹定位算法，设计实现基于Android的WIFI室内定位系统。
首先，通过阅读大量相关的文献资料，对比分析了当前国内外WIFI室内指纹定位技术的研究现状对其中涉及到的相关技术的原理和特点进行介绍分析，包括WIF1无线通信技术，室内无线定位技术以及位置指纹定位技术，并根据室内WIFI指纹定位技术的特征对定位过程中的影响因素进行分析。
其次，根据前面提到的定位过程中的关键影响因素，介绍了对应的解决方案。
分析与研究了几种典型的指纹定位算法，包括最近邻法（NN）.K近邻法（KNN）、K加权近邻法（WKNN），并提出算法的改进方案，使用MATLAB软件进行算法的仿真分析，寻求其中的最佳参数值以及定位性能差异。
通过分析几种算法的性能仿真结果，拟定了基于最强AP法的改进算法作为定位系统采纳的算法。
然后，通过对基于Android的WIFI室内定位系统的需求分析，提出了一种基于Android的WIF1室内定位系统设计方案。
接着介绍了定位系统软件开发环境，并设计了定位系统总体架构，以及定位系统的各个功能模块。
在各项设计确定以后，采用JAVA语言编程实现定位系统的各项功能。
最后，搭建了WIFI室内定位实验环境，使用完成的室内定位系统结合硬件资源，在实验环境下，进行离线阶段创建数据库以及在线阶段的定位测试，并记录呈现在定位客户端上定位结果，分析对应的定位性能.

2013版广播电视语言传播硕士两年制培养方案（学术型硕士）

通过自编写的代码实现了LSTM的反向传播，与网文《LSTM反向传播详解Part1》《LSTM反向传播详解Part2》《LSTM反向传播详解（完结篇）Part3/3代码实现》配套

本资料为基于python的卷积神经网络(CNN)实现layer文件夹中包括卷积层、池化层、全连接层、relu层等基础层没有调用tensorflow,pytorch等深度学习框架，手动实现了各层的反向传播BP算法

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。