经过对搜索引擎的研究同时与Lucene自身的特性相结合，搜索引擎的设计与实现需要实现的功能阐述如下： （1）支持桌面文件搜索,格式包括txt、doc、xls和ppt; （2）支持分词查询 （3）支持全文搜索 （4）能够高亮显示搜索关键字 （5）显示查询所用的时间 （6）显示搜索历史、过滤关键字

本文将以 SGI 的 ProPack v2.2 为研究对象，分析 CpuMemSets 在Linux-2.4.20 中的具体实现。CpuMemSets 是 SGI 进行的一个开放源码项目，由针对 Linux2.4 内核的补丁、用户库、python 模块和 runon 等命令共四部分组成，以实现处理器和内存块的分区为目标，控制系统资源（处理器、内存块）面向内核、任务以及虚拟存储区的分配，为 dplace、RunOn 等 NUMA 工具提供支持，最终优化 Linux 系统的 NUMA 性能。

Python实现LSTM长短期记忆神经网络时间序列预测（完整源码) Python实现LSTM长短期记忆神经网络时间序列预测（完整源码) Python实现LSTM长短期记忆神经网络时间序列预测（完整源码) Python实现LSTM长短期记忆神经网络时间序列预测（完整源码)

国外对AFDX网络核心产品的垄断严重制约了我国AFDX网络技术的发展，难以建立完整的AFDX网络产品体系。提出了一种基于自研AFDX网络端系统芯片的模块设计方法，从软硬件设计角度阐述模块的设计与实现过程。该模块集成端系统SoC芯片，具有PMC、PCI和CPCI三类主机接口，完成AFDX网络数据通信功能。

AFDX端系统核心芯片及技术是实现AFDX网络通信的基础和关键，广泛应用在航空领域的网络通信和控制系统中。在深入解读、分析AFDX网络总线协议及通信机理上，提出了一种端系统芯片的设计方案，详细说明了端系统芯片的架构设计、工作原理及技术优势

FPGA中实现VGA-PAL视频转换的verilog程序

vue+echarts 实现以中国为中心的世界地图

使用LSTM实现C-MAPSS数据集里面的剩余寿命预测（Pytorch） 每轮训练后测试集误差 score:445.4610 334.5140 358.6489 365.9250 331.4520 283.3463 460.4766 314.7196 325.5950 452.3746 RMSE:16.3614 14.8254 14.9796 15.5157 14.7853 14.2053 16.2834 14.6757 14.7481 15.8802 由实验结果可知，MS-BLSTM 的预测误差均为最低水平，并且实际训练过程中收敛速度较快，涡扇发动机接近损坏时预测准确率较高。与传统机器学习方法相比，深度学习模型如CNN 和 LSTM的预测误差相对较小。而本文所提的 MS-BLSTM 混合深度学习预测模型进一步提高了 RUL 预测精度,，这得益于 MS-BLSTM 混合模型有效利用了时间段内传感器测量值的均值和方差与RUL的相关性，并使用 BLSTM学习历史数据和未来数据的长程依赖。本文所提的 MS-BLSTM 剩余使用寿命预测模型预测精度高，可有力支撑涡扇发动机的健康管理与运维决策。

基于spring boot的020药品配送系统，采用线上下单线下配送方式。使用B/S架构在药店配送管理系统实现了分店管理员、工作人员、用户、配送员、药物信息、药品订单、配送订单、完成订单、在线留言等的功能性。研究内容包括：药物信息、药品订单、配送订单、完成订单等方面进行了研究。系统以当前应用最为广泛的Java语言为基础，结合了目前应用最为广泛的嵌入式嵌入式平台，集成了B/S体系结构。数据库选择简便高效的MySQL，springboot框架。在药店配送管理系统进行管理，不仅可以解除时间空间的束缚，还可以节省人力成本，将数据和库存一目了然地呈现在眼前，方便管理，整个系统操作简便，界面亲切，实用性，安全，高效率，能准确完成操作，实现系统的全过程[3]。系统是用Java语言编写的，系统使用的环境变量为jdk1.8[4]。编译器用的是Eclipse，系统采用springboot框架技术，采用Maven管理jar包，后台数据来自数据库mysql。