《Active Wall》是一款专业的网络监控管理软件，支持网关、网桥、旁路、单机等多种监控模式。支持VLAN和跨网段监控，适合任何网络结构。无需客户端，只要在一台电脑上安装即可过滤控制局域网内部所有电脑的上网行为。它能有效监视、控制和记录内部电脑在互联网上的活动，实时记录局域网内计算机所有收发的邮件、浏览的网页以及FTP上传下载的文件，监视和管理网内用户的聊天行为，控制网内用户访问指定网络资源或网络协议。 　　主要功能有：网络身份验证、时段过滤、端口过滤、流量控制、实时流量显示、MAC地址过滤、IP地址过滤、DNS过滤、HTTP过滤、SMTP过滤、POP3过滤、即时聊天过滤、FTP过滤、HTTPS过滤、代理转发、日志文件输出、告警邮件通知、告警消息通知、日志数据库输出。

这是最新的flash_active插件,是我在打开IE时常用的

代替OCX Activex 等IE插件的方式，支持win7及以上一下。支持ie11和最新谷歌火狐浏览器

iocomp ActiveX控件破解版，完美的 工业控件，温度表、线性仪表，LED图表......

ActiveTcl is ActiveState's quality-assured distribution of Tcl. The latest Windows, Linux and Mac OS X builds are available for free to the community. Solaris, HP-UX and AIX builds are available in ActiveTcl Business, Enterprise and OEM editions.

ActiveXCtrlSetup.exe，使用方便安装即可用，所有用户一试便知

第一章介绍了自抗扰所能处理的非线性系统，第二章是跟踪微分器的收敛性证明，第三章是扩张状态观测器对各种非线性系统的收敛性证明，第四章讨论基于ＴＤＥＳＯ的反馈闭环系统的收敛性，第五章是ＥＳＯ及其下三角系统的镇定收敛性讨论。 每章辅以大量的数值试验并有文献说明和待解决的问题，本书可以作为初学者研究生的教科书和研究者的参考书

c#编写的active控件c#编写的active控件

PyTorch中用于图像分类的深度主动学习工具包 这是用编写的用于图像分类的深度主动学习的代码库。 我想强调的是，该工具包只是最初由Prateek Munjal等人通过电子邮件与我共享的工具包的轻量级衍生产品。 论文“使用神经网络实现鲁棒和可再现的主动学习”的作者，请。 介绍 该存储库的目标是为深度主动学习提供一个简单而灵活的代码库。 它旨在支持快速实施和评估研究思路。 我们还提供了大量基准结果（即将推出）。 该代码库当前仅支持单机单gpu培训。 我们将很快将其扩展到由PyTorch分布式软件包提供支持的单机多GPU培训。 使用工具箱 有关简要的安装说明和基本用法示例，请参见 。 支持的主动学习方法 不确定性抽样 最不信任 最低保证金 最大熵 深度贝叶斯主动学习（DBAL）[1] 贝叶斯主动学习的分歧（BALD）[1] 多样性抽样 核心组（贪婪）[2] 变式对抗主动学习（VAAL）

Active Structural Control Theory and Practice-T. T. Soong.pdf