大学自学网.pdf

销售管理系统使用说明书 主要功能 销售管理系统由基础信息、基础资料、业务管理、信息查询、辅助工具、系统设置、个人设置等模块组成，其规划功能模块如下： 基础信息 基础信息主要实现员工职务、单位类型、计量单位、支付方式、银行名称、企业资信、商品类别等功能。 基础资料 基础资料主要实现企业档案管理、商品资料管理等功能。 业务管理 业务管理主要实现订货业务、出货业务、退货业务等功能。 信息查询 信息查询主要实现订货业务查询、出货业务查询、退货业务查询、区域信息查询等功能。 辅助工具 辅助工具主要实现调用Word文档、调用Excel文档、调用计算器等功能。 系统设置 系统设置主要实现员工管理、员工权限管理、公司简介设置等功能。 个人设置 个人设置主要实现修改密码、修改个人信息等功能。 操作注意事项 用户在使用《销售管理系统》之前，应注意以下事项： （1）管理员用户名和密码为：mr、mrsoft。 业务流程 要想运行本系统，请按照以下流程操作： （1）在登录界面中单击“新用户注册”按钮，注册用户名和密码，然后由超级管理员进行分配权限。 （2）在登录界面中输入用户名和密码，进入系统，首先在“基础信息”中添加基本信息。 （3）在“基础资料”中添加商品信息，单击“详细信息”按钮，在商品详细信息页面中可以增加进货数量。 （4）在“业务管理”中可以执行出货及退货操作。 （5）在“信息查询”中可对出货信息、退货信息及区域信息进行查询。

cdr教程视频coreldraw X7X6X5X4入门插画美工平面设计自学资料 CorelDraw X4教学 CorelDraw X5教学 CorelDraw X6教学 CorelDraw X7教学 多案例教程 赠品：模板图库素材 CorelDRAW.12.广告设计高级教程

C#文档是一套C#入门使用手册，了解如何在 .NET 平台上使用 C# 编程语言编写任何应用程序。这里包含三个文档：C#8.0规范、C#8.0指南完整版、CSharp Language Specification 5.0 中文简体版，内含涵盖C#8.0新功能介绍、基础知识、入门教程、操作指南、编程指南、语言参考等

kotlin自学最好最通俗全面的PDF

自己买的30天自学操作系统书里带的光盘，我把其中的要使用的工具的资料放到这里了

java版飞机大战源码 AI-Self-taught 【导读】 本文由知名开源平台，AI技术平台以及领域专家：Datawhale，ApacheCN，AI有道和黄海广博士联合整理贡献，内容涵盖AI入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿Paper和五大AI理论应用领域：自然语言处理，计算机视觉，推荐系统，风控模型和知识图谱。是你学习AI从入门到专家必备的学习路线和优质学习资源。 基础知识 1 数学 数学是学不完的，也没有几个人能像博士一样扎实地学好数学基础，入门人工智能领域，其实只需要掌握必要的基础知识就好。AI的数学基础最主要是高等数学、线性代数、概率论与数理统计三门课程，这三门课程是本科必修的。这里整理了一个简易的数学入门文章： 数学基础：高等数学 数学基础：线性代数 数学基础：概率论与数理统计 机器学习的数学基础资料下载： 机器学习的数学基础.docx 中文版，对高等数学、线性代数、概率论与数理统计三门课的公式做了总结。 斯坦福大学机器学习的数学基础.pdf 原版英文材料，非常全面，建议英语好的同学直接学习这个材料。 下载链接: 提取码: hktx 国外经典

MCP4726是一个12位带EEPROM和I2C接口的串行DAC，其小封装很适合在布局紧凑的应用方案上。VREF或者VDD可以作为参考电压，如果是用VDD，则VDD连接内部参考电压，如果选择VREF，可以选择增益。内部带EEPROM,在掉电情况下，保存DAC寄存器的值和配置位的值。

《Protel99SE自学手册 实例应用篇 》的光盘资料，是人民邮电出版社的，作者是刘朋，本次上传的光盘的文字材料，既可以作为书的辅助资料，又可以作为单独的学习材料，其中提供了大量的制作实例和原理图、PCB图。

1.3 特征融合方法与损失函数改进优化 与弱监督网络结构与定位方法不同的是，特征融合方法与损失函数的改进是在前两者的125 基础上帮助前两者可以得到到更好的特征，增加类间距离减少类内距离。关于特征融合现有 的方法大多只是级联 concat 和求和 sum，这些方法限制了层间和层内的本质高阶关系， HIHCA [32] 提出了层级卷积响应的核融合机制使得不同特征可以更好的融合，使得多特征的 优势最大化。通过将卷积激活作为一个局部描述符，层级卷积激活可以处理不同尺度的局部 表示。提出一个基于预测器的多项式核来捕捉卷积激活的高阶统计信息，并通过核融合将多130 项式预测器拓展来对局部建模。 本文的目的是捕捉部件之间更复杂的高阶的关系，写成所 有成分的线性组合，多项式预测如下公式（1）所示。另外 RACNN 引入的排序损失函数、 常用的 triplet loss [33] 、softmax loss 的变种及优化目的都是在缩小类内距离，增加类间距离， 从而使得细粒度识别的效果更好。其中 MAMC [34] 便是提取每张图像的多个区域，然后按照 类别和区域的不同，采用 Triplet Loss 和 Softmax Loss 来训练网络。现有的很多方法是把目135 标的每个部位单独处理，忽略了他们之间的相关性。MAMC 能够拉近相同注意力并且是相 同类别的特征，同时拉远不同注意力或者不同类别的特征。使得分类效果更好。特征融合方 法与损失函数的改进优化这两个方面在细粒度识别领域的应用是最经济适用的，因为在不增 加模型耗时与显存的情况下仅根据训练优化就会使得模型有更好的结果。 (1) 2 应用介绍 140 基于深度学习的计算机视觉近些年发展迅猛，但是视觉算法理论的发展与实际的落地还 有很大的距离。在细粒度识别领域，目前最直接的落地实现便是百度、搜狗等公司推出的车