powerbuilder 15 没了 改成了 powerbuilder 12.6

zxy19800123 2014-09-13 12:32:40
http://powerbuilder-central.com/index.php/fr/powerbuilder-news-blog/item/538-new-powerbuilder-release-sap-announces-powerbuilder-126


有没有下载成功的?
分享一下

要是有破解更好了
...全文
8954 16 打赏 收藏 转发到动态 举报
写回复
用AI写文章
16 条回复
切换为时间正序
请发表友善的回复…
发表回复
北京大丸子 2015-01-24
  • 打赏
  • 举报
回复
最近几天,pb12.6有新进展或者说pb有新动态了吗
eclat2299 2015-01-23
  • 打赏
  • 举报
回复
PowerBuilder12.6 (3506) 含不限時學習 链接: http://pan.baidu.com/s/1eQlGQOy 密码: 9n6t
dgkane 2015-01-15
  • 打赏
  • 举报
回复
我也想下载一个
WorldMobile 2014-10-21
  • 打赏
  • 举报
回复
引用 楼主 zxy19800123 的回复:
http://powerbuilder-central.com/index.php/fr/powerbuilder-news-blog/item/538-new-powerbuilder-release-sap-announces-powerbuilder-126 有没有下载成功的? 分享一下 要是有破解更好了
离倒不远了
ahwhshizy 2014-10-13
  • 打赏
  • 举报
回复
包括.net破解:http://download.csdn.net/detail/ahwhshizy/8031191
zhj149 2014-10-09
  • 打赏
  • 举报
回复
pb与.net结合最好了,感觉pb不行的,学学.net吧
xiaozhe_song 2014-09-19
  • 打赏
  • 举报
回复
唉,PB这碗饭越来越不好吃了~ 有没有可以接受PB转型的公司抛个媚过来~
向东流 2014-09-18
  • 打赏
  • 举报
回复
现在 还是9先用着
zxy19800123 2014-09-18
  • 打赏
  • 举报
回复
引用 7 楼 bombshell 的回复:
估计15要做重要变动。
就怕没动作了
bombshell 2014-09-17
  • 打赏
  • 举报
回复
估计15要做重要变动。
zhangyangziwo 2014-09-15
  • 打赏
  • 举报
回复
希望sap啊
做梦的猫 2014-09-14
  • 打赏
  • 举报
回复
最好是如此。。希望以严谨工作态度著称的德国人不要让大家失望!!
北京大丸子 2014-09-14
  • 打赏
  • 举报
回复
引用 2 楼 msgtogcr 的回复:
太夸张了。。这都能变来变去的!! 建议楼主还是先用 12.0 这个基本版,等 SAP 想明白了自己要干什么之后再用最新版不迟!
可能sybase或者说sap发现了pb这样糊弄钱不好,要做回锅肉了
WorldMobile 2014-09-13
  • 打赏
  • 举报
回复
引用 楼主 zxy19800123 的回复:
http://powerbuilder-central.com/index.php/fr/powerbuilder-news-blog/item/538-new-powerbuilder-release-sap-announces-powerbuilder-126 有没有下载成功的? 分享一下 要是有破解更好了
呵呵,sybase要倒了
做梦的猫 2014-09-13
  • 打赏
  • 举报
回复
太夸张了。。这都能变来变去的!! 建议楼主还是先用 12.0 这个基本版,等 SAP 想明白了自己要干什么之后再用最新版不迟!
北京大丸子 2014-09-13
  • 打赏
  • 举报
回复
期待,如果破解估计要等一段时间了,明年年初差不多吧
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入,Basisformer能够有效捕捉电池状态的动态变化特征,提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析,并与传统方法进行对比,验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力,也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉PyTorch框架,从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算;②为电池健康管理(BMS)提供可靠的状态输入;③推动深度学习在时间序列预测中的实际落地,提升现有预测模型的泛化能力与稳定性; 阅读建议:建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究(python代码实现)的资源,重点研读所提供的Python代码,深入理解数据处理方式与模型网络结构的设计思路,尝试调整超参数以观察对预测性能的影响,从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。

401

社区成员

发帖
与我相关
我的任务
社区描述
PowerBuilder 非技术版
社区管理员
  • 非技术版社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧