FANUC FOCAS1/2 函数库文件2017版，安装包格式，均未解压，分享给开发人员学习研究用

像素艺术：Reddit的rPlace的反向工程师** Big Red Hacks 2017 **

（鲁人版）2017-2018学年高中必修2课件：2听听那冷雨（语文）.ppt

针对传统分层路由算法存在的分簇不均匀、簇头选举不合理以及数据传输形式单一等问题，提出基于K-means++的无线传感网改进分簇算法LEACH-KPP。首先在成簇阶段采用K-means++算法实现均匀分簇，随后在簇头选举阶段使用改进簇头选举函数选取簇头，最后在融合数据传输阶段根据簇头与基站、簇头与簇头之间距离动态选择单跳与多跳的混合传输方式传输数据。OMNet++仿真结果与时间复杂度推导表明，LEACH-KPP延长了网络的生存周期，在节点剩余能量与后期存活数目上都优于传统分层路由算法。

Visual Studio 2017企业版离线安装包。解压后19g的版本。

每个人都可以将自己训练成记忆大师，就看你有没有对记忆宫殿的原理的深入理解，以及有没有坚持系统的训练，希望这本书能给每个自学者有个良好的引导。

本工具能将多个 Autodesk Forge SVF 离线模型合并为一个 SVF 模型，避免网页端合模繁琐速度慢易出错的问题。

2017-12-19亲测可用，partner填写现在蚂蚁金服开放平台内的“账户信息”-“密钥管理”-“mapi网关产品密钥”内的PID，密钥请获取“合作伙伴密钥”内的“MD5密钥”即可

论文题目：Adversarial Multi-task Learning for Text Classification 作者：Pengfei Liu, Xipeng Qiu and Xuanjing Huang 出处：ACL 2017 论文主要相关：多任务学习、文本分类、情感分析 概要：常规的多任务学习通常单纯的共享某些参数，导致共用特征空间和私有特征空间中存在大量冗余的特征。作者提出了一种对抗性多任务学习框架，缓解了共享特征空间和特定任务特征空间（私有潜在特征空间）之间的相互干扰的问题，并采用对抗学习确保共用特征空间中仅存在共用特征和任务无关的特征，辅以正交约束来去除私有和共用特征空间中冗余的特征。在16个任务的情感分析测试中，该框架比单任务学习平均效果提升了4.1%，比其他多任务学习框架（FS-MTL、 SP-MTL等）效果更好。并且实验结果表明模型的共享特征学习到的知识，容易被迁移到新任务的情感分析中。

http://blog.csdn.net/victoryckl/article/details/7277156 在Android上，通过对/dev/graphics/fb0的操作，实现截屏，和送图片到fb0，支持rgb565 rgb888 bgra_8888 格式的bmp和fb0 需要root权限 修正了framebuffer bgra_8888格式截图变红的问题