转自 http://blog.csdn.net/jinchun1234/archive/2009/06/25/4298989.aspx
js弹出子页面并将值返回父页面
父页面
script type="text/javascript">
function openNewWin(){
var ret =window.showModalDialog("a2.jsp",{win:window},'dialogHeight:200px;dialogWidth:200px');
document.forms[0].ss.value=ret;
window.reload();
}
</script>
</head>
<body>
<form action="">
<input type="button" id="ss" onClick="openNewWin();" value="初始值">
</form>
</body>
子页面
<body>
<script language="javascript">
function test(){
window.returnValue = "返回值";
window.dialogArguments.win.location.reload();
window.close();
}
</script>
<input name=Button type=button value=关闭并刷新父页面 onClick="test()">
</body>
分享到：
相关推荐
风光氢储+VSG并网系统仿真【附带参考文献】 仿真控制结构：风光储单独通过逆变器VSG控制并网，然后母线经过整流器+Buck变器连接PEM电解水制氢系统 1、PEM电解水制氢：采用功率外环加电流内环控制，恒功率制氢，制氢系统建模参考给的文献，包含阳极模块、阴极模块、质子交膜模块、氢气存储模块 2、风机部分，采用扰动观察法实现MPPT最大功率跟踪，风力机桨叶模型、转速电流双闭环控制策略 3、双向储能：闭环控制、直流母线电压外环稳定母线电压，内环为电池充放电电流 4、光伏MPPT：则是采用电导增量法实现MPPT最大功率的跟踪 5、网侧采用VSG控制策略 ,核心关键词：风光氢储; VSG并网系统; 仿真控制结构; PEM电解水制氢; 功率外环; 电流内环; MPPT最大功率跟踪; 扰动观察法; 双向储能; 闭环控制; 直流母线电压; 光伏MPPT; 电导增量法; VSG控制策略。,《风光氢储与VSG并网系统的仿真研究：整流、Buck变换与PEM电解水制氢系统控制结构优化》
基于PLC的智能家居环境控制系统设计 ,基于PLC的智能家居; 环境控制; 系统设计,基于PLC的智能家居环境控制系统的设计与实现
微机原理与接口技术复习重点很有用哦.ppt
betaflight-1.rar
Matlab仿真三机并联风光混合储能并网系统，风光储并网，微电网系统，光伏电池模型，永磁同步风机，电压电流控制，PQ控制 波形正确，结构完整有参考文献，详情见图片 ,Matlab仿真; 三机并联; 风光混合储能并网; 微电网系统; 光伏电池模型; 永磁同步风机; 电压电流控制; PQ控制; 波形正确; 结构完整; 参考文献。,Matlab仿真三机并联风光储混合微电网系统研究
I型NPC三电平逆变器低电压穿越（跟网型），基于二极管钳位型三电平逆变器，单电流环控制，保证系统电压跌落后，电流仍能保证正常输出，同时提供无功支撑，采用改进电流环算法，中点电位平衡控制 1.低电压穿越 2.改进电流环 3.提供相关参考文献 ,1. I型NPC三电平逆变器; 2.低电压穿越; 3.二极管钳位型三电平逆变器; 4.单电流环控制; 5.电流正常输出; 6.无功支撑; 7.改进电流环算法; 8.中点电位平衡控制,基于二极管钳位三电平逆变器的低电压穿越及无功支撑研究
基于模态特定因子的高效低秩多模态融合方法解析
内容概要：本文由甲子光年智库发表，概述了2025年作为AI算力和算法变革元年的重大意义。报告指出，当前AI技术处于从第三阶段向第四阶段的过渡期，技术进化带来了巨大的经济效益和社会变革潜能。文章重点介绍了DeepSeek的创新，包括大幅提升算力效率、低成本高效能的推理训练路径以及支持多模态的端侧部署。与此同时，探讨了低参数量AI模型的兴起对边缘计算、终端设备的积极影响，预测这些因素将进一步催化具身智能、C端市场的快速发展。最后讨论了美国在新政府领导下的人工智能政策转变，尤其提及DeepSeek可能对该政策制定产生的影响。 适合人群：适用于从事人工智能相关行业的从业人员、研究人员、政策制定者及相关兴趣爱好者。 使用场景及目标：本文有助于读者掌握AI发展的最新趋势和技术进展、深入理解DeepSeek的具体优势及未来的应用场景、为政策研究及决策提供有价值的参考资料、帮助从业者预见市场机会并把握行业发展脉搏。 阅读建议：文章信息量较大，建议先快速浏览全文获取大致轮廓后再细读关键章节，并留意文中列举的实际案例和统计数据，加深理解。此外，还可以关注文中引用的研究机构和数据来源，便于后续深入探讨某些主
2-142 基于matlab的圆形阵列的波束形成进行仿真 【软件无线电原理与应用作业】基于matlab的圆形阵列的波束形成进行仿真，具有14页文档。 假设发射信号载频为1GHz，圆形阵列半径为0.8米，在圆周上均匀布置30个阵元。 1.画出指向0度的方向图。 2.如果目标在0度，有一不相干的干扰信号在30度，干扰噪声功率比为30dB。 请用自适应波束形成方法画出方向图。 程序已调通，可直接运行。 ,matlab; 圆形阵列; 波束形成; 仿真; 方向图; 自适应波束形成方法; 干扰信号; 干扰噪声功率比,Matlab仿真圆形阵列波束形成与自适应干扰抑制
VB075期刊信息管理系统(SQL).zip
struts+hibernate实现的网络购物系统.zip
内容概要：本文全面阐述了多种常见的数据结构及其特点和应用场景，覆盖了从基本的数据结构如数组、链表、栈、队列，再到复杂的树形结构如二叉树、平衡二叉树、堆以及Trie树，还包括了哈希表、图的各种表示方式和相关算法，以及一些高级数据结构如跳表、并查集和B树与B+树。文中详细解释了各种结构的时间复杂度和空间复杂度，并给出了实际应用场景中的最佳选择原则。还提供了一些常见的数据结构问题及其解决方案，旨在帮助读者深刻理解和灵活运用各类数据结构解决问题。 适合人群：计算机科学专业的学生或者有一定编程经验的开发者。 使用场景及目标：①理解每一种数据结构的特点，掌握它们的操作复杂度；②学会根据不同应用场景选择合适的数据结构；③提高对经典算法和问题的解决能力。 其他说明：通过学习本文可以加深对底层数据组织的理解，进而写出性能更好的程序，在算法竞赛或是实际工作中都能发挥重要作用。
石墨烯光学常数计算软件，可以用FDTD，Comsol仿真中 ,核心关键词：石墨烯；光学常数计算；软件；FDTD；Comsol仿真,石墨烯光学常数计算软件：FDTD与Comsol仿真工具
微信小程序车队管理系统demo完整源码下载
chromedriver-win64_136.0.7062.0
内容概要：本文系统梳理了 DeepSeek 模型私有化部署的全场景解决方案，包括个人用户本地部署和企业级部署的方法。对于个人用户，讲述了通过 Ollama 工具在本地高效运行 DeepSeek 模型及其前端展示方法，并给出硬件和模型选择建议。针对企业用户，讨论了通过vLLM框架实现高性能部署，并分享企业级部署方案。特别介绍低成本部署方式及DeepSeek一体机的具体应用，包括模型选择和部署工具实操。最后展示了北大大青鸟AI实验室的具体应用案例。 适合人群：具有一定技术基础的开发人员、企业IT管理者及对 AI模型部署感兴趣的从业人员。 使用场景及目标：适用于想要深入了解如何私有化部署 DeepSeek 模型的个人或组织，旨在提升AI技术的应用效果与效率。同时帮助企业了解不同场景下的性能表现及部署方法，以便选择合适部署途径及方案以满足各自需求。 其他说明：文章中提到的一些具体技术实现细节和配置方案可以帮助读者更好地理解部署过程中涉及的关键技术和参数，为未来的实施提供更多参考依据。文中引用了多个GitHub开源项目及相关学术论文资料，提供了理论基础和实践指南的支持。
设计名称：基于汇编语言51单片机交通灯控制系统仿真 设计：proteus 仿真 主控：51单片机 程序：汇编语言，KEIL工程（注释详细，工程目录清晰，代码格式明了） 内容包括：proteus仿真文件 + 汇编代码(KEIL工程)+说明文档+报告+（不懂就问） 具体功能： （1）初始时东西方向亮红灯,南北方向亮绿灯 （2）然后南北向路口绿灯亮38s后转黄灯亮2s,再转红灯亮20s （3）相应地东西向红绿灯工作顺序为红灯亮40s后转绿灯亮18s, 再转黄灯亮2s, 以此进行循环 （4）如果发生紧急事件, 则按下按钮, 此时东西、南北向都亮红灯 还可以各个方向单独通行 （5）时钟采用倒计时方式显示, 即各灯亮时, 时钟为点亮的最大时间, 以后每1s 显示数据减1, 直到减为0 以后指示灯再进行变 （6）高峰时，各方向通行时间缩短，南北方向30s，东西方向10s （7）所有的时间设置都可以根据车流量实际情况进行调整 （8）可以自动检测违章闯红灯 ,核心关键词： 1. 交通灯控制系统 2. 汇编语言 3. 51单片机 4. Proteus仿真 5. 初始红绿灯状态 6. 交通灯转换逻辑 7
内容概要：本文档详细介绍了基于MATLAB实现的CNN-LSTM-Attention-Adaboos结合多变量时间序列预测项目。该模型旨在通过深度集成卷积神经网络(CNN)、长短期记忆网络(LSTM)、注意力机制(Attention)及AdaBoost集成学习技术，解决传统时间序列预测模型（如ARIMA、SARIMA等）在处理非线性和多维复杂时序数据时的局限性。文章涵盖项目背景、挑战与解决方案、技术创新点、适用应用领域及模型详细设计实现步骤等内容，强调通过这些先进技术和优化手段来提升多变量时间序列预测的准确性和鲁棒性。 适合人群：对深度学习感兴趣的研究人员、开发者或工程师，特别是从事金融市场、智能制造、医疗健康、交通等领域相关工作的专业人员。 使用场景及目标：项目主要用于金融市场、气象数据、智能制造业、医疗健康和交通流量等多个领域的多变量时间序列预测任务。具体目标包括提高预测准确性，克服传统方法处理复杂模式能力有限的问题；增强模型对噪音数据的耐抗性，通过结合AdaBoost等技术降低过拟合风险，提高泛化能力。 其他说明：本文档不仅详尽记录了模型架构的搭建流程，还包括详细的调参建议和优化技巧，以及GUI界面开发指导，支持用户轻松地将理论应用到实际工作中。另外，在项目实施方面提到了部署环境的要求和支持系统稳定运行的相关措施，如计算资源配置、实时数据处理和系统监控方案等。文档中还展望了未来发展路径和技术升级的方向，如强化学习、联邦学习、自动化特征工程等。
Matlab实现VMD-SSA-BiLSTM单变量时间序列预测 1.MATLAB实现VMD-SSA-BiLSTM、VMD-BiLSTM、BiLSTM单变量时间序列预测对比 2.单时间序列预测 就是先vmd把单变量全分解变成很分别用BiLSTM预测 3.运行环境Matlab2018b及以上，输出RMSE、R2、MAPE、MAE等多指标对比 先运行vmdtest，进行vmd分解;再运行VMD SSA BiLSTM，三个模型对比 4.运行效果如下: ,MATLAB实现;VMD-SSA-BiLSTM;VMD-BiLSTM;BiLSTM;单变量时间序列预测;RMSE;R2;MAPE;MAE;VMD分解;VMD-SSA-BiLSTM模型对比,MATLAB单变量时间序列预测对比：VMD-SSA-BiLSTM与其他模型预测效果
本欢迪迈手机商城就是在这样的大环境下诞生，其可以帮助管理者在短时间内处理完毕庞大的数据信息，使用这种软件工具可以帮助管理人员提高事务处理效率，达到事半功倍的效果。此欢迪迈手机商城利用当下成熟完善的SSM框架，使用跨平台的可开发大型商业网站的Java语言，以及最受欢迎的RDBMS应用软件之一的Mysql数据库进行程序开发.欢迪迈手机商城的开发根据操作人员需要设计的界面简洁美观，在功能模块布局上跟同类型网站保持一致，程序在实现基本要求功能时，也为数据信息面临的安全问题提供了一些实用的解决方案。可以说该程序在帮助管理者高效率地处理工作事务的同时，也实现了数据信息的整体化，规范化与自动化。 关键词：欢迪迈手机商城；SSM框架；Mysql；自动化