庞巴迪CRJ700系列
这是一个为开发庞巴迪CRJ700支线飞机的项目。
它已经是一架功能完备，功能齐全的飞机，具有逼真的模型，驾驶舱和自动驾驶仪。 有效地停止了活动开发，并且仅在进行了错误修正和定期维护。
当然，欢迎您提供捐助和请求。
在下一个FlightGear版本之前，最新的CRJ700已推出 。
执照
请参阅许可（duh）。
学分
我自己制作的FDM和模型Ryan Young。
飞行装备和模型也由FlightGear的其他粉丝贡献：
“ SP-LEC”
“ 07-BUT”
罗兰·哈德（Roland Hader）（“ Quix0r”）
托马斯·伊托海（Thomas Ito-haigh）
特别感谢这些人：
埃米利安（Emilian Huminiuc）（“ i4dnf”）
薇薇安·梅亚莎（Vivian Meazza）
西德·亚当斯（Syd Adams）
完整的积
2023-04-12 11:36:57
48.31MB
1
当你要在两个html页面间传递参数时，有一种方式，就是你在a.html页面使用超链接拼接的方式传递参数并跳到b.html页面。这时，你就需要在b.html页面接收了。怎么接收了？这时，就可以使用$.query.get("你的参数名");方法来接收，但是这时，就需要引入这个jquery.params.js文件了。
2023-04-12 11:19:38
9KB
1
调用示例：
$(function(){
//给按钮绑定打印事件
$("#btnPrint").bind("click",function(event){
$("#divI").printArea();
$("#divII").printArea();
});
});
2023-04-12 10:01:38
1KB
1
主要介绍了页面的缓存与不缓存设置及html页面中meta的作用的相关资料,需要的朋友可以参考下
2023-04-12 08:27:42
73KB
1
最近两天在弄一个界面显示的事情，虽然要求不高，不过还是想做得好看一些，就想在htmldialog上来显示web脚本，这样也方便格式化显示。
但是这htmldialog只能显示url，而无法显示一段html脚本，于是通过研究和思路改变，也为了以后方便使用，特意写了个简单的dll库来实现这个功能，它可以加载url，也可以加载一段html代码。
加载url时，由于没有处理安全类的东西，所以可能会出现许多提示，所以此库不建议使用这一功能。
加载html代码时，应该是需要一个完整的代码，包括<html>等标签
工程说明：
都采用vs2015编译
showhtml 工程：主功能实现库，可以在其它程序中使用它，包含showhtml/showhtml.api.h文件，然后链接showhtml.lib。其提供两个接口：
CreateHtmlShow()，用于生成一个用来显示的窗口，它必需有一个父窗口，其返回值在后面显示时需要。如果返回值小于等于0，则表示失败
NavigateHtml()，用于加载一个url或者显示一段html代码，其第一个参数为CreateHtmlShow()的返回值。
CreateHtmlShow()接口返回值存在的意义，在一个程序中，可能会同时多个地方显示html内容，所以需要对每个显示添加标示
至于窗口关闭时，则库自动删除对应的web显示窗口。
shdemo 工程：html显示的测试工程
如有问题，请联系：
hyd2001_2008@163.com
2018.7.10
2023-04-12 07:35:54
6.39MB
1
顺手点个Star，支持我们更好发展并持续维护此项目，感谢！
简介
HoServer是基于Node.js开发开箱即用的后台服务和管理平台脚手架，可视化对象定义，一行代码实现增删改查所有接口，内置用户，权限等基本功能。基于HoServer可在短时间内开发出高质量的RESTful API服务和管理平台，助您进一步缩短项目开发周期，降低开发成本。是您的产品占领窗口快速推向市场，接项目提升客户满意度的利器。
:house_with_garden:官方网站：
:globe_with_meridians:演示地址：
:open_book:使用文档：|
:play_button:视频教程：
功能特性
简单高效
开箱即用，一行代码实现增删改查所有接口，支持批量更新删除，以及聚合查询。
基于Node.js Express框架，不发明新轮子，学习成本低，快速上手。
功能强大
对象，接口全部可视化管理。
内置短信，支持阿里云存储。
内置基于Ant Design Pro管理平台，包括用户管理，系统管理，内容管理等常用功能
2023-04-11 22:49:28
1.29MB
1
NAM：神经加性模型-可解释的机器学习与神经网络
| |
NAM是用于广义加性模型研究的库。 神经加性模型（NAM）将DNN的某些表达能力与广义加性模型的固有清晰度结合在一起。 NAM学习神经网络的线性组合，每个神经网络都参与一个输入功能。 这些网络经过共同训练，可以学习其输入特征和输出之间的任意复杂关系。
概述
去做：
用法
$ python main.py -h
usage: Neural Additive Models [-h] [--training_epochs TRAINING_EPOCHS]
[--learning_rate LEARNING_RATE]
[--output_regularization OUTPUT_REGULARIZATION]
2023-04-11 19:13:17
1.51MB
1