关注BCBX,期待中……

C++ Builder > 茶馆 [问题点数:0分]
等级
本版专家分:0
结帖率 100%
等级
本版专家分:1785
等级
本版专家分:1246
等级
本版专家分:0
等级
本版专家分:384
等级
本版专家分:0
等级
本版专家分:0
等级
本版专家分:0
等级
本版专家分:0
等级
本版专家分:0
等级
本版专家分:91
jingouyang

等级:

一次关于C++BuilderX的讨论

一次关于C++BuilderX的讨论猛禽(整理)Mental Studio 本来打算把这次的聊天内容整理成文章,但一不小心写得太长,还没写完... 2003-12-11 16:16:12 令狐虫():还是谈谈BCB吧……最近版上对BCB的怀疑之风很盛啊2003-1

在 Borland C++BuilderX for Windows 进行 GTK+ 编程

在 Borland C++BuilderX for Windows 进行 GTK+ 编程 BCBX 在经历了一系列失败的“跨平台”努力后,独立工具软件商 Borland 的最后希望寄托在了 C++BuilderX,这个工业级的重型 C++ 开发环境上。C++BuilderX 与...

Pythonwsgi的web框架使用

from wsgiref.simple_server import make_server def application(environ,start_response): #print("environ",environ) print("environ", environ["PATH_INFO"]) #帮我们通过environ封装成所有请求信息对象...

python wsgi框架_Pythonwsgi的web框架使用

from wsgiref.simple_server import make_serverdef application(environ,start_response):#print("environ",environ)print("environ", environ["PATH_INFO"])#帮我们通过environ封装成所有请求信息对象(请求头,...

C++ BuilderX的问题与展望(2,问题篇-下)

C++ BuilderX的问题与展望 猛禽[Mental Studio]http://mental.mentsu.com(之二,问题篇-下)...BCBX采用了一个全新的IDE—PrimeTime,这个IDE来自于JBuilder,而且后来的JBuilderX也是采用这个IDE(只是在JBuilderX中用

C++ BuilderX的问题与展望(3,展望篇,完)

C++ BuilderX的问题与展望 猛禽[Mental Studio]http://mental.mentsu.com(之三,展望篇,完)说了BCBX这么多的问题,该来谈谈我们的展望了。首先从产品定位说起。大家都知道,每种语言都有其适用的领域,没有什么...

高级语言通过ADS与BC,BX控制器操作real型变量注意事项.doc

高级语言通过ADS与BC,BX控制器操作real型变量注意事项

Chrome在vs.net环境下开发delphi程序

昨天下载了第三方控件厂商remobjects的套件,其中有一个叫Chrome的东东,我不得不说这是我见过的最为奇怪的一个插件了,特别是像我这样在delphi7/2007和vs.net2003/2005环境下开发过程序的人来说,据说比delphi.net还强,...

C++ BuilderX的问题与展望(1,问题篇-上)

C++ BuilderX的问题与展望 猛禽[Mental Studio]http://mental.mentsu.com(之一,问题篇-上)写这篇文章的初衷源自2003年12月11日在玉笛书生兄所建C++Builder的QQ群,与书生、令狐虫、...主要就是聊了一下BCB/BCBX的现

迷失的Borland

前些天有人转发了一篇CSDN的报道《IDE开发工具走下坡路 Borland欲开发咨询服务》。Borland终于从世界上数一数二的开发工具提供商沦为了MS的打工仔。其实早在Borland决定把DELPHI搬到.net下,我就觉得很不爽了。...

效颦篇:编程本质论

效颦篇:编程本质论 猛禽[Mental Studio](个人专栏)http://mental.mentsu.com 先有leezy_2000兄的大作《编程本质论》,接着是johnnyxia兄的《也谈编程本质》,在CSDN上引发了一场关于编程本质问题的热烈讨论。...

Borland Ander,学习目标

声明:这篇文章是我在网上无意发现的,个人随笔,它要表达的意思,和我要表达的意思一样。我就不多写了,前Borland Ander确实个高手,而且不是一般的高手,我一直以它为目标,我们要向它学习哦。我说的向它的技术...

Delphi2007安装DsPack2.3.4的方法(视频插件)

本文参考自:http://delphi.logy.kr/9新建Jedi.inc文件{******************************************************************************}{ 

判断MonthCalander鼠标点中了日期还是翻页按钮!

uses CommCtrl;var OldWindowProc: TWndMethod;procedure TForm1.MyWindowProc(var Msg: TMessage);begin if Msg.Msg = CN_NOTIFY then begin case TWMNotify(msg).NMHdr.code of MCN_GETDAYSTATE: Me

python 字符串不区分大小写_零基础学python_02_字符串(大小写转换)

字符串就是一系列字符,在Python,用引号括起的都是字符串,其中的引号可以是单引号,也可以是双引号,如下所示:"This is bcbx."'This is bcbx_home.'复制代码这种灵活性让你能够在字符串包含引号和撇号:'I ...

白盒测试三角形_软件测试笔试题

越来越多学生想要转行软件测试,很多时候需要测试笔试题,小编整理了文章,摘自下边想要看可以具体参考下:软件测试笔试题 - 测试笔试题库 - BCBX - By BCBX​www.bcbxhome.com1、下列关于alpha测试的描述正确的是...

python 字符串不区分大小写_零基础学python_02_字符串(大小写转换)

字符串就是一系列字符,在Python,用引号括起的都是字符串,其中的引号可以是单引号,也可以是双引号,如下所示:"This is bcbx."'This is bcbx_home.'这种灵活性让你能够在字符串包含引号和撇号:'I told my ...

Borland听我对你说

Borland听我对你说撰文:Aweay你可转载,拷贝,但必须加入作者署名Aweay,如果用于商业目的,必须经过作者同意。(已修订)想写这篇文章很久了,但一直都因为太忙了,而没有时间表达自己对Borland的想法,今天我不得不...

在虚拟机安装windows xp时所需要的序列号

最新的windows xp sp3序列号 xp序列号 最新的windows xp sp3序列号(绝对可通过正版验证) MRX3F-47B9T-2487J-KWKMF-RPWBY(工行版) 可用(强推此号) (亲测可用) QC986-27D34-6M3TY-JJXP9-TBGMD(台湾交大学生版) ...

最后的侠客:当Borland已成往事

老方说偶占着Borland分类的位子,却很久没谈Borland,想想也是。不过现在的Borland还有什么可谈的呢? 昨天看了高论发的关于Borland最新的IDE——DeXter的一个DemoVideo,令狐8了一篇关于Borland的东东。...

Android开发10个经典案例

10个android经典案例代码,适合初学者和中级学者。

tipdm_CarsAnalysis_src:泰迪杯C组题,数据分析答题原始码-源码

tipdm_C_CarsAnalysis_src 泰迪杯C组题答题原始代码 这个原始码为参赛者时做数据分析使用,由于其仅作为工具使用,并且加之时间缩短,所以没有做过多的性能优化。 日后会抽空改进算法,转化为效率。

STM32F103ZET6最小系统原理图.zip

这是用我用AD绘制的STM32F103ZET6的最小系统,包含STM32F103ZET6芯片模块(引出所有I/O口),电源模块(5v转3.3v,USB或5v电源适配器供电),USB转TTL串口模块,一键下载电路,仿真器模块,复位等基本模块。

垃圾分类数据集及代码

资源说明: 数据集主要包括6类图片:硬纸板、纸、塑料瓶、玻璃瓶、铜制品、不可回收垃圾 代码运行说明: 1、 安装运行项目所需的python模块,包括tensorflow | numpy | keras | cv2 2、 train.py用于训练垃圾分类模型,由于训练的数据量过于庞大,因此不一并上传 3、 predict.py用于预测垃圾的类别,首先运行predict.py,然后输入需要预测的文件路径,即可得到结果。

2021年前端面试题汇总 高清pdf完整版

《2021年前端面试题汇总》主要介绍了js基础到入门、css和常用的web框架的一些常用面试题目。学完这个题库,把此题库都理解透彻应对各家企业面试完全没有问题。

大唐杯资料+题库(移动通信)

大唐杯资料+题库(移动通信)

计算机设计大赛作品开发文档

参加的是2020年的计算机设计大赛,软件应用与开发赛道。我们的开发文档仅供参考。(20页)

matlab神经网络30个案例分析

【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐,用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论,在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数,仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解,利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器,反复训练BP神经网络预测样本输出,通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理,在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数,预先设定一个非线性函数,如式y=20+x21-10cos(2πx1)+x22-10cos(2πx2)所示,假定函数解析式不清楚的情况下,随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据,将y作为RBF网络的输出数据,分别建立近似和精确RBF网络进行回归分析,并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析,分别取国内生产总值(GDP),工业总产值,铁路运输线路长度,复线里程比重,公路运输线路长度,等级公路比重,铁路货车数量和民用载货汽车数量8项指标因素作为网络输入,以货运总量,铁路货运量和公路货运量3项指标因素作为网络输出,构建GRNN,由于训练数据较少,采取交叉验证方法训练GRNN神经网络,并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识,设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字,当数字被一定的噪声干扰后,仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价,试根据调研结果中较为重要的11个评价指标的数据,并结合离散Hopfield神经网络的联想记忆能力,建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题,要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型,利用该模型可以快速地找到最优(或近似最优)的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数,不但能够高准确率的预测训练集而且要合理的预测测试集,使得测试集的分类准确率也维持在一个较高水平,即使得得到的SVM分类器的学习能力和推广能力保持一个平衡,避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问,可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征,其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别,建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征,分别是前面提及过的:最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8),使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据,选定反馈神经网络的输入、输出节点,来反映电力系统负荷运行的内在规律,从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后,以改良三比值法为基础,建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值(MIV,Mean Impact Value)方法来说明如何使用神经网络来筛选变量,找到对结果有较大影响的输入项,继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理,建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征(细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度),这些特征与肿瘤的性质有密切的关系。因此,需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系,从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像,图像来自不同的10个人,每人5幅图像,人脸的朝向分别为:左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络,对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理,在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘,但是由于网络入侵特征数据维数较多,不同入侵类别间的数据差别较小,不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理,在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中,建立模型时选用的每个样本(即病例)数据包括10个量化特征(细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度)的平均值、10个量化特征的标准差和10个量化特征的最坏值(各特征的3个最大数据的平均值)共30个数据。明显,这30个输入自变量相互之间存在一定的关系,并非相互独立的,因此,为了缩短建模时间、提高建模精度,有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理,在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理,在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户,快速地利用神经网络解决实际问题,MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用,MATLAB R2009a提供了三种神经网络拟合工具箱(拟合工具箱/模式识别工具箱/聚类工具箱)。

VSCode launch.json配置详细教程

主要介绍了vscode 的node.js debugger 的 launch.json 配置详情,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

Windows Server 2016 部署服务

全网第一的 Windows 部署课程,体系化,全面化,场景化,自动化,结合企业实际的应用场景,从无到有,从有到优,为大家深入和详尽的介绍 Windows 10 平台之上,提供的各种不同部署工具的应用。结合讲师十年以上的项目经验,提取大量的企业应用场景和实际问题做为结合,详尽的分析和示例,让您一听就懂,一懂就会,学以致用。 学习和掌握 Windows 10 的企业部署,学会单机安装,系统升级,系统替换

相关热词 c#异步什么时候执行 c# 开源 管理系统 c#对象引用 c#正则表达式匹配文件名 c# 开源库 c#两个程序间通信 c# 区块链特点 c# xml 如何写 c# 线程池 锁 c#设置代理服务器