搜索资源列表
070105111827
- 提供给JAVA入门者，免費下载PPT和源码 很多网友问我学习Java有没有什么捷径,我说“无他，唯手熟尔”。但是我却很愿意将自己学习的一些经验写出来，以便后来者少走弯路,帮助别人是最大的快乐嘛！ 要想学好Java，首先要知道Java的大致分类。我们知道，自从Sun推出Java以来，就力图使之无所不包，所以Java发展到现在，按应用来分主要分为三大块：J2SE,J2ME和J2EE,这也就是Sun ONE(Open Net Environment)体系。J2SE就是Java2的标
4_1
- 改进的单神经元自适应pid控制，权系数的在线修正不完全是根据神经网络学习原理，而是参考实际经验制定。
emdtb
- 经验模式分解源码 学习希尔波特黄变换的参考程序 源于Internet网络，欢迎传播交流！
Delphi5code
- 学习资料，这是一本不管是初学者还是高手都可以看得书 本书是美国资深Delphi 5程序开发者Steve Teixeira和Xavier Pacheco的最新力作，无论你是Delphi的初学者，还是富有经验的Delphic程序员，如果你想把自己的编程技巧提高一个层次，或者想了解Win32 API以及Delphi的某些鲜为人知的功能，本书将是你的最佳选择。本书主要介绍Delphi 5各方面的编程技巧，首先通过编写小而实用的应用程序，为Delphi 5程序开发打下一个牢固的基础；继而讨论了基于VC
Cygwin-VMware-eCos-Redboot
- 这是基于Cygwin和VMware的eCos Redboot移植的教程。我是偶然机会了解到eCos的用途，想在eCos环境下测试下一些命令函数，后来却因为是首次接触eCos，结果导致找了大量的资料，花了三天的课余时间才搞定，鉴于网上没有比较完备的相关教程，所以在此自己根据自己的移植和测试成功经验写了一份比较详细的教程（其中借用了不少网络上的资源，希望版主见谅），希望能够帮助想学习eCos相关知识的朋友.-This is based on the eCos Redboot Cygwin and V
RBF
- 根据多年的是matlab 教学经验，制作一个RBF神经网络的学习视频，希望对matlab学习者有帮助。-Based on many years of teaching experience, I made a video of how to learn RBF neural network by matlab ,hope to help learners of matlab .
VCsunxincode
- 本书主要从程序内部运行的机制和MFC程序的组织脉络入手，使读者在学习VC++编程知识时，既能够知其然，又能知其所以然，从而帮助读者从根本上理解和掌握Windows的程序设计。另外，全书还贯穿作者多年来学习编程的一些经验，以及一些学习方法的建议，为读者进一步的学习提供指导。 本书从实际应用入手，由浅入深、循序渐进地讲述Windows程序内部运行机制、MFC框架、文本、菜单、对话框、文件操作、网络编程、进程间通信、ActiveX控件、动态链接库、HOOK编程等多个主题。 本书内容丰富
NN
- 神经网络入门教程 本电子书综合了多个关于神经网络的电子教程，并结合笔者的经验给出了一些基本的算法实力，非常适合初学者的学习。-Introduction to Neural Networks a comprehensive tutorial of this book a number of e-tutorial on neural networks, combined with the experience of the author gives some basic strength of
BackTrack_WEP_crack_V1.0
- 无线网络的破解随着BackTrack 的出世而不断普及，使得破解可让普通用户轻易言之，无线 网络的安全也正获得越来越多人的重视。 对于毫无经验的菜鸟，如何破解WEP 或WPA，在论坛上浏览往往无从下手，遍地都是破解 的经验、方法，而系统性的操作需要菜鸟花费不少时间去潜水学习。 本文针对菜鸟使用BackTrack 3 破解无线网络，尽量使用通俗易懂的语言解释从BT 的安装、 汉化、破解的每一步骤的系统性方法，通过系统地建立菜鸟对破解的认知。-BackTrack wireless
phpadvance
- 本书全面介绍了应用PHP进行网站开发的各种技术和技巧。全书分为20章，内容包括PHP的运行环境配置、表单及表单元素的应用、CSS与Javascr ipt脚本的应用、验证控件、构建PHP动态网页、PHP与MySQL的数据库技术、PHP与其他数据库技术、SQL查询相关技术、MySQL高级应用技术、字符串的处理技术、PHP面向对象编程技术、文件管理、图像和多媒体技术、信息提取与图表分析技术、报表与打印技术、网络通信技术、PHP与XML技术、安全技术、PHP高级应用技术以及综合应用等。全书共提供了453
WindowsPCEPAPIP-handbook
- Windows CE API手册(V2.0) 《Windows CE API手册》是Blitz Force团队继 Xarm和ROS开发系统之后之后又一重要作品。本手册收录并翻译了 MSDN Library for Visual Studio 2008 中超过2000 个API函数和宏的资料信息。分为：系统函数、COM函数、驱动函数、网络通信4个大类，有以下特点： 01. 资料权威。本手册中收录的绝大多数函数和宏都取自微软MSDN，权威性比较有保证。部分从DLL中找到的API在MSDN中尚未介
VCPPdepth-explation-code
- 从实际应用入手，由浅入深、循序渐进地讲述Windows程序内部运行机制、MFC框架、文本、菜单、对话框、文件操作、网络编程、进程间通信、ActiveX控件、动态链接库、HOOK编程等多个主题。全书还贯穿作者多年来学习编程的一些经验，以及一些学习方法的建议，为读者进一步的学习提供指导。本书不同于一般的讲述VC++使用的书籍，本书主要从程序内部运行的机制和MFC程序的组织脉络入手，使读者在学习VC++编程知识时，既能够知其然，又能知其所以然，从而帮助读者从根本上理解和掌握Windows的程序设计。本
cc
- 改进神经元自适应的pid控制，采用本算法，全系数的在线修正就不完全是根据神经网络学习原理，而是参考实际经验制定的-Improve the neuron adaptive pid control, the use of the algorithm, the coefficient of online correction is not completely according to the principle of neural network learning, but refer to the
第11章 模糊RBF网络
- 模糊控制器的设计不依靠被控对象的模型，而是依靠控制专家或操作者的经验知识。模糊控制的突出优点是能够比较容易地将人的控制经验溶入到控制器中，但若缺乏一定的控制经验，很难设计出高水平的模糊控制器。而且，由于模糊控制器采用了IF-THRN控制规则，不便于控制参数的学习和调整，使得构造具有自适应的模糊控制器较困难(The design of fuzzy controller does not depend on the model of the controlled object, but depend
vovtlm5
- 易语言获取外网ip地址五种方法,请好好学习一下别人的经验()
code
- matlab单层神经网络实现与逻辑，感知器是一种最简单的神经网络，可以解决最简单分类问题。在本经验中，利用了MATLAB代码简单实现了一个单层神经网络的感知器，对“与”逻辑运算进行了训练和学习，以便我们深入地了解感知器的构造。(Implementation and logic of MATLAB single layer neural network)
谈一谈网络编程学习经验
- 网络学习的经验，12344567757585(The experience of network learning)
基于深度学习的二进制代码漏洞检测系统
- 二进制代码漏洞检测是一个重要的研究问题。针对当前基于静态分析的二进制代码漏洞检测系统普遍存在误报率高,检测粒度粗,且依赖专家经验等问题,提出了用库/API函数调用程序切片细粒度表示二进制程序,并引入深度学习技术,自动检测二进制程序中库/API函数调用相关漏洞,设计并实现了一个基于深度学习的二进制代码漏洞检测系统——BVDetector。该系统通过对二进制程序进行控制流和数据流分析,从程序中提取库/API函数调用的程序切片,并为程序切片添加有无漏洞的标签;然后将程序切片转换成符合漏洞检测深度学习模
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景，只有基础的高中水平数学应该让你跟随和理解核心
Proximal_Policy_Optimization
- 强化学习可以按照方法学习策略来划分成基于值和基于策略两种。而在深度强化学习领域将深度学习与基于值的Q-Learning算法相结合产生了DQN算法，通过经验回放池与目标网络成功的将深度学习算法引入了强化学习算法。(Reinforcement learning can be divided into value-based learning and strategy based learning according to method learning strategies. In the fiel