一套很漂亮的ASP.NET自定义弹出对话框控件源码及例子

FastCAE源码下载与编译说明（源码下载编译必读） 特别注意： 源码绝对路径中不要出现中文字符; 源码文件夹中不要出现空格(){}*/?|\等特殊字符 要求Windows7以上的64位系统 要求自行安装Visual Studio 2017和Qt5.14.2 源码下载： 两种方式可以下载源码，直接下载和使用git克隆 直接下载，从GitHub直接一次性打包下载全部源码。 git克隆，使用git克隆代码仓库，后续可以不断拉取更新。 #文件夹结构 Code FastCAE源码 OCC OpenCASCADE7.4.0编译的第三方库，适用于windows平台 VTK VTK9.0.1编译的第三方库，适用于windows平台 output 程序的编译输出 cgns cgns第三方库，适用于windows平台 quazip 压缩文件的第三方库 编译过程 源码编译支

基于bootstrap实现的一套监控类项目开发平台

qmpy 一个工具包，用于存储晶体结构数据，自动执行密度函数计算，处理计算资源并执行热力学分析。 qmpy用于运行和维护开放量子材料数据库（ ）。 用pip安装qmpy： pip install qmpy 有关更完整的文档，请参见： :

一套经典的基于C#+ASP.NET开发ＯＡ的例子源代码及设计文档

分享给想要学习linux的的小白们一套超级昂贵的教程，马哥linux2016年的运维班教程 适合小白，大神跳过，有兴趣的自行提取

一套键盘鼠标控制多台电脑的工具插件 在想要同时使用一套装备的电脑上安装，多个电脑在同一个局域网内即可，可以支持不同的操作系统。 可以根据设备的物理位置调整，鼠标移动到设备的边缘可直接挪到另一个电脑 不同的设备间可以直接拷贝文件（有文件大小的限制） 不同的设备间可以共用复制粘贴

该系统为自己设计开发，具备增删改查全部功能和其他各种相关管理功能。

Dense Passage Retriever - 是一套用于开放领域问答任务的工具和模型Q&A Dense Passage Retriever Dense Passage Retriever - 是一组用于开放域问答任务的工具和模型。 它基于这项研究工作，并为多个问答数据集提供了最先进的结果。 特征密集检索器模型基于双编码器架构。 受本文启发的抽取式问答读者和排名者联合模型。 相关数据预处理和后处理工具。 推理时间逻辑的密集检索器组件基于 FAISS 索引。 安装 从源头安装。 推荐使用 Python 的虚拟或 Conda 环境。 git clone git@github.com:fairinternal/DPR.git cd DPR pip install 。 DPR 在 Python 3.6+ 和 PyTorch 1.2.0+ 上进行了测试。 DPR 依赖第三方库来实现编码器代码。 目前支持 Huggingface BERT、Pytext BERT 和 Fairseq RoBERTa 编码器模型。 由于标记化过程的普遍性，DPR 目前使用 Hugging

论文研究-ML-TEA：一套基于机器学习和技术分析的量化投资算法.pdf,  量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易，并从中获取超额收益，是系统工程在金融投资领域的重要应用.本文设计了一套基于机器学习和技术指标的量化投资算法ML-TEA （machine learning and technical analysis）.该模型以技术指标作为输入变量，再分别通过不同的机器学习算法来预测股票数日之后的涨跌方向，并根据预测的方向来构建投资组合.实证结果显示：第一，三种模型的年化收益率都在25%以上，远超大盘指数的10.60%、买入持有策略的3%以及现有策略.从风险调节绩效（夏普比率、特雷纳比率和詹森绩效）来看，三种策略也都远超基准策略和现有策略.以夏普比率为例，三种策略均在1.50以上，而市场指数的夏普比率为0.38.第二，Ada-TEA和SVM-TEA都可以容忍远高于市场实际成本的交易成本.