注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. VB编程资源大全（源码 其它3）

  2. 556,delay1.zip 源码设计中的延时功能(1KB)557,type_1.zip 趣味打字2.1(233KB)558,test1.zip asp编写动态网页计数器(1KB)559,hztosm.zip 汉字转声母完全源代码(90KB)560,formatfloppy.zip 格式化 软盘源代码(13KB)561,freespace.zip 获取磁盘剩余空间(3KB)562,setscreen 设置屏幕分辨率(7KB)563,snapwindow.zip 一个抓图的小程序(14KB)56

  3. 所属分类：VB

    • 发布日期：2007-10-18
    • 文件大小：5242880
    • 提供者：zhangxucool

  1. VB编程资源大全（源码 其它4）

  2. 556,delay1.zip 源码设计中的延时功能(1KB)557,type_1.zip 趣味打字2.1(233KB)558,test1.zip asp编写动态网页计数器(1KB)559,hztosm.zip 汉字转声母完全源代码(90KB)560,formatfloppy.zip 格式化 软盘源代码(13KB)561,freespace.zip 获取磁盘剩余空间(3KB)562,setscreen 设置屏幕分辨率(7KB)563,snapwindow.zip 一个抓图的小程序(14KB)56

  3. 所属分类：VB

    • 发布日期：2007-10-18
    • 文件大小：5242880
    • 提供者：zhangxucool

  1. PV例题讲解.pdf（操作系统的一个难点，解决在这里得到）

  2. 这是有关pv操作的详细讲解,希望对各位来说有点用处,小弟有资源还要和大家共享!!

  3. 所属分类：专业指导

    • 发布日期：2007-12-08
    • 文件大小：98304
    • 提供者：edword20042005

  1. Reversing:逆向工程揭密 （中文PDF版）

  2. 本书描述的是在逆向与反逆向之间展开的一场旷日持久的拉锯战。作者Eldad Eilam以一个解说人的身份为我们详尽地评述了双方使用的每一招每一式的优点与不足。 书中包含的主要内容有：操作系统的逆向工程；.NET平台上的逆向工程；逆向未公开的文件格式和网络协议；逆向工程的合法性问题；拷贝保护和数字版权管理技术的逆向工程；防止别人对你的代码实施逆向工程的各种技术；恶意程序的逆向工程；反编译器的基本原理以及它对逆向过程的影响。 本书适合软件逆向工程的从业人员以及软件开发者们阅读。 前言回到顶部↑欢迎你

  3. 所属分类：硬件开发

    • 发布日期：2010-05-22
    • 文件大小：19922944
    • 提供者：guobing0816

  1. 您可能没有权限使用网络资源。请与这台服务器的管理员联系以查明您是否有访问权限。拒绝访问解决方法

  2. 一、启用guest来宾帐户； 二、控制面板→管理工具→本地安全策略→本地策略→用户权利指派里，“从网络访问此计算机”中加入guest帐户，而“拒绝从网络访问这台计算机”中删除guest帐户； 三、我的电脑→工具→文件夹选项→查看→去掉“使用简单文件共享（推荐）”前的勾； 四、设置共享文件夹； 五、控制面板→管理工具→本地安全策略→本地策略→安全选项里，把“网络访问：本地帐户的共享和安全模式”设为“仅来宾-本地用户以来宾的身份验证”（可选，此项设置可去除访问时要求输入密码的对话框，也可视情况设为

  3. 所属分类：网络基础

    • 发布日期：2010-07-13
    • 文件大小：48128
    • 提供者：wyl0414

  1. 在四肢严密的黑洞边缘

  2. 弱重力猜想（WGC）的一个温和版本指出，考虑到更高的曲率相互作用，极黑洞的荷质比大于或等于一个。 由于这些修正在低质量状态下变得更加重要，因此这将使极端黑洞在能量和电荷守恒方面得到衰减。 关于这一方向的证据主要是在对爱因斯坦-麦克斯韦理论进行更正的背景下给出的。 在这里，我们计算了对明显嵌入异质弦有效理论中的某些重音极值黑洞的荷质比的校正。 我们发现，对末端限制的修改取决于所考虑的解决方案，电荷质量比保持不变或与1呈正偏差。 此外，我们观察到，在所有考虑的情况下，引入更高曲率的项都会增加Wald

  3. 所属分类：其它

    • 发布日期：2020-04-23
    • 文件大小：364544
    • 提供者：weixin_38653443

  1. f（T）引力因果关系的违反

  2. 在标准公式中，f（T）场方程在局部Lorentz变换下不是不变的，因此该理论不继承狭义相对论的因果结构。 实际上，在这种f（T）引力公式中，甚至可能会局部违反因果关系。 最近已经设计出局部洛伦兹协变f（T）引力理论，并且该局部因果关系问题似乎已得到克服。 但是，非本地性问题仍待解决。 如果要用这种协变f（T）引力理论描述引力，则应在其上下文中研究许多问题，包括有关其场方程是否允许齐次Gödel型解的问题，这必然导致 在非本地范围内违反因果关系。 在这里，为了研究协变f（T）理论的潜力和难点，我们

  3. 所属分类：其它

    • 发布日期：2020-03-30
    • 文件大小：527360
    • 提供者：weixin_38584148

  1. 在扩展参数空间中使Planck与H 0的局部值对帐

  2. Riess等人（2016年，以下称R16）最近确定的哈勃常数局部值现在比ΛCDM模型中普朗克卫星提供的最新CMB各向异性数据得出的值高3.3 sigma。 在这里，我们对普朗克和R16结果进行了组合分析，得到了扩展的参数空间，同时改变了12个宇宙学参数，而不是通常的6个。我们发现，一个幻像状暗能量分量具有有效的状态方程w = -1.29- 0.12 + 0.15在68％cl 可以解决扩展ΛCDM场景中Planck数据集和R16之前的当前压力。 另一方面，中微子有效数与标准期望值完全兼容。 当包

  3. 所属分类：其它

    • 发布日期：2020-03-30
    • 文件大小：295936
    • 提供者：weixin_38682026

  1. 详解Python在七牛云平台的应用（一）

  2. 七牛云七牛云是国内领先的企业级云服务商。专注于以数据为核心的云计算业务，围绕富媒体场景推出了对象存储、融合CDN、容器云、大数据、深度学习平台等产品，并提供一站式视频云解决方案，同时打造简单，可信赖的解决方案平台，帮助企业快速上云，创造更大的商业价值。 以上是官网介绍。 （一）在这里介绍一下Python怎么通过官方提供的库对自己空间进行操作 首先需要注册一个七牛的账号，并创建一个Bucket，另外还需要在个人面板中的密匙中得到AK和SK.之后就能通过七牛的SDK对自己的空间进行操作了. 本文对上

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：156672
    • 提供者：weixin_38516658

  1. 《动手学》（第二次打卡）

  2. 一、过拟合、欠拟合及其解决方案   一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；   另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 二、梯度消失、梯度爆炸   当我们将w初始化为一个较大的值时，例如>10的值，那么从输出层到输入层每一层都会有一个s

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：301056
    • 提供者：weixin_38562085

  1. 动手学深度学习 Task03 过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶

  2. 【一】过拟合、欠拟合及其解决方案 过拟合 模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 欠拟合 当模型无法得到较低的训练误差时，我们将这一现象称作欠拟合（underfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里重点讨论两个因素： 模型复杂度和训练数据集大小。 1.模型复杂度 为了解释模型复杂度，我们以多项式函数拟合为例。给定一个由标量数据特征 x 和对应的标量标签 y 组成的训练数据集

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：271360
    • 提供者：weixin_38647517

  1. 过拟合欠拟合及其解决方案、梯度消失梯度爆炸、循环神经网络进阶

  2. 一、过拟合欠拟合及其解决方案 我们将探究模型训练中经常出现的两类典型问题： 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 二、梯度消失梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：153600
    • 提供者：weixin_38637764

  1. 动手学 task03 过拟合、欠拟合及其解决方案+梯度消失、梯度爆炸+循环神经网络进阶

  2. 过拟合、欠拟合及其解决方案 过拟合和欠拟合 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 模型复杂度与过拟合、欠拟合的关系如下图： 训练数据集大小： 影响欠拟合和过拟合的另一个重要因素是训练数据集的大小。一般来

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：51200
    • 提供者：weixin_38749305

  1. 动手学深度学习PyTorch版 | （3）过拟合、欠拟合及其解决方案

  2. 文章目录一、过拟合、欠拟合概念二、多项式函数拟合实验2.1 初始化模型参数2.2 定义、训练和测试模型三阶多项式函数拟合（正常）线性函数拟合（欠拟合）训练样本不足（过拟合）2.3 权重衰减L2 范数正则化（regularization）2.4 丢弃法丢弃法从零开始的实现简洁实现小结 一、过拟合、欠拟合概念 训练模型中经常出现的两类典型问题： 欠拟合：模型无法得到较低的训练误差 过拟合：模型的训练误差远小于它在测试数据集上的误差 在实践中，我们要尽可能同时应对欠拟合和过拟合。有很多因素可能导致这两

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：302080
    • 提供者：weixin_38526650

  1. 讨论：需要关于nodeschool的帮助吗？ 还是只是想问一个问题？ 在此仓库上打开一个问题！-源码

  2. 讨论区 需要帮忙？ 还是只是想问一个问题？ 在此仓库上！ 如果您在Mac或Linux上安装研讨会时遇到问题，请查看此指南 NodeSchool组织者可以进行讨论。 如果您想创建自己的NodeSchool讲习班，请查看 。 目录： ， ， ， ：，， ， ，解决， ：，，，， 有问题时： :backhand_index_pointing_right: :backhand_index_pointing_left: 一般来说 1-友善 所有研讨会和所有讨论均由志愿者完成，不能保证所有问题

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：9216
    • 提供者：weixin_42138716

  1. ngs：下一代Shell（NGS）-源码

  2. 下一代Shell是一种功能强大的编程语言，是专门为Ops设计的Shell。 因为你应该得到更好的。 :warning_selector: 加入我们的-用例，示例，NGS语言设计。 快速链接 文献资料 -NGS旨在解决哪些问题 -通过代码示例进行简要介绍 -语言设计原理，语法和功能 -所有可用功能 问题 bash还是Python ？ 那是一个圆Kong情况的方形钉。 两者都不适合执行Ops任务。 NGS旨在减少您的挫败感并提高您的生产力。 您没有理由处于这种情况。 （Python在这里还代

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：763904
    • 提供者：weixin_42171132

  1. DSA-GeeksClasses：使用Python（Python 3）的DSA-Self增强了疑问帮助课程的解决方案-源码

  2. DSA-GeeksClasses DSA自我怀疑疑难解答 关于本课程： 这是geeksforgeeks为数据结构和算法设计的一门课程，涉及以下内容： 堆 图形 贪婪 动态编程 回溯 图表（高级） 特里 段树 不相交集 与每个主题相关的所有问题/练习和竞赛都在这里得到解决，并且针对它们的注释也包含在各自的自述文件中。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：3145728
    • 提供者：weixin_42119866

  1. IOING：使用此渐进式Web应用程序开发引擎为SPA（单页应用程序）产品实现性能提高和组件化的解决方案-源码

  2. 第一步：sudo npm install -g ioing-cli（分段安装ioing） 第二部：ioi init（会车后？Template输入ioing，按照引导生成项目） 第三部：ioi build或ioi dev（运行项目） 全新的前端引擎 支持的 IE浏览器 边缘 火狐浏览器 Chrome 苹果浏览器 > = 9 > = 14 > = 52 > = 49 > = 8 嗨！ 这是一个全新的前端引擎，将于今年7月正式发布。 非常感谢您在这里与大家见面，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：8192
    • 提供者：weixin_42148053

  1. MLPB：机器学习问题圣经| 在这里设置问题>>-源码

  2. 机器学习问题圣经（MLPB） MLPB旨在成为有组织的机器学习问题和解决方案的集合。 在实践中，机器学习通常是这样的 我有这个问题...我需要使用数字和分类特征的组合将事物分类为A，B或C。 如果我可以找到类似的问题，也许我可以修改解决方案以适合我的需求。 这就是MLPB介入的地方。想要查看稀疏数据的机器学习问题吗？ 得到它了。 是否想将Scikit-learn的RandomForestRegressor与R的randomForest进行比较？ 得到它了。 需要一个预测排名目标变量的示例吗？

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：84992
    • 提供者：weixin_42133753

  1. 伯禹学习平台打卡（二）

  2. ** TASK 03 ** 1.过拟合、欠拟合及其解决方案 （1）过拟合、欠拟合的概念 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 （2）权重衰减 权重衰减等价于 L2L2 范数正则化（regularization

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：1048576
    • 提供者：weixin_38747233
« 12 3 4 5 6 7 8 9 10 ... 13 »