网络搜索引擎 信息检索课程作业,基于空间向量模型和PageRank的搜索引擎。代码的组织以及使用,请查看实验报告。
2021-12-05 11:06:16 10.84MB Python
1
战舰游戏引擎 游戏引擎是一种基于回合制的两人游戏,可以模拟海洋中船只之间的战争。 每个玩家都有自己的战区,并且一定数量的战舰位于不重叠的位置。 这些船的大小可能不同。 玩家无法看到彼此的飞船位置。 当一艘船的所有牢房都被摧毁时,该船即被视为已摧毁。 摧毁另一位玩家的所有战舰的玩家将首先赢得比赛。 一旦玩家在战场上设置了战舰,战斗便开始了。 玩 玩家轮流向另一名玩家的船发射导弹。 射击是通过瞄准特定单元格来完成的,该特定单元格由对手在战场上的坐标给出。 例如,如果玩家1在玩家2的战场上瞄准位置E1并发射了导弹,则玩家将成功击中飞船。 在每一回合中,接收导弹的玩家都应该与对方交流,无论是命中还是未命中。 如果玩家在一个回合中被击中,他们将再回合。 如果错过了,另一位玩家轮到自己。 已建 应用程序基于Laravel 5.7构建 例子 玩家可以将他们的战舰布置在战斗区域中,如下图所示。 一旦玩家
2021-12-04 16:07:31 304KB game laravel game-engine php72
1
动态桌面Wallpaper Engine,该版本可在重启资源管理器后自动恢复动态桌面。使用前请安装显卡驱动、DX9和Advanced Codecs解码器,注意解码器不要勾选Disable Media Foundation,否则从睡眠中恢复后可能导致动态桌面无法正常播放。如果是Windows7,请开启Aero并选择块背景。
2021-12-03 21:52:32 132.49MB 动态桌面 wallpapereng
1
搅拌机 用于将Source Engine材质(.vmt)文件导入Blender的工具 不推荐使用。 请参阅 。 仅限Blender 2.80 安装 克隆存储库。 运行install.sh 。 (您可以在Windows下使用Git Bash。) 运行python pack_addon.py 。 在Blender中安装插件.zip文件。 特征 VTF进口商 File -> Import -> Source Engine Image (.vtf) 允许将单个.vtf文件导入Blender。 该文件将使用随附的VTFLib打开,并以png格式打包到.blend文件中。 VMT进口商 File -> Import -> Source Engine Material (.vmt) 允许将单个材料从.vmt文件导入Blender。 您需要在原始目录结构( /materials/
2021-12-03 20:31:30 23KB 系统开源
1
ArcGIS Engine 10 开发文档的配套代码
2021-12-02 16:27:02 141.25MB ArcGIS Engine
1
软件介绍: Revit 插件BimAngle Engine是Autodesk Forge的SVF格式离线转换引擎,安装后能够脱离Autodesk Forge云端,离线转换并生成SVF格式的轻量化模型,支持链接文件,转换精度更高,超过官方云转换平台。
2021-12-02 10:26:54 8.05MB 其他资源
1
Celeste数据提取器 这是用于将游戏使用的.data文件转换为易于阅读的png文件的工具。 这已通过MacOS Steam和Windows Steam版本的文件进行了测试。 要求 用法 只需下载项目并使用dotnet run即可运行代码。 这将自动从NuGet下载依赖项。 它不会打印任何输出,因此请耐心等待。 每个转换的.png文件将与原始.data文件放在同一目录中。 Celeste的图形资产经过PNG压缩后的总大小约为310MB。 您必须将路径传递给Celeste .data文件作为参数,以便对其进行转换。 例如,要转换所有Celeste图形资产(这将需要几分钟): cd ~/D
2021-12-01 16:27:44 6KB graphics-engine game-engine GameengineC#
1
CE(Cheat Engine)源码6.51,能过一般游戏的保护
2021-12-01 03:50:52 2.07MB CE 6.51 过游戏保护.
1
DDoS_Corr_Engine 使用DNNClassification进行DDoS攻击检测 所需包装的熊猫pip install pandas 张量流pip install tensorflow MySQL数据库pip install mysqldb 您可以通过对MySQLConnection.py进行一些更改来使用任何其他数据库 数据库架构您可以将csv文件导入到数据库中,并且将自动创建表
2021-12-01 00:04:32 829KB Python
1
神经网络可视化 神经网络架构和参数的可视化。 描述 这个项目是为我的硕士论文完成的。 可以从论文中获得一般描述: 抽象的 人工神经网络是人工智能研究的热门领域。 大型模型的大小和复杂性的增加带来了某些问题。 神经网络内部工作缺乏透明度,因此很难为不同任务选择有效的架构。 事实证明,解决这些问题具有挑战性,并且由于缺乏对神经网络的深入了解,这种情况变得根深蒂固。 考虑到这些困难,介绍了一种新颖的3D可视化技术。 通过使用来自神经网络优化领域的既定方法,可以估算出经过训练的神经网络的属性。 批处理规范化与微调和特征提取一起使用,以估计神经网络不同部分的重要性。 重要值与各种方法(如边缘捆绑,光线跟踪,3D冒名顶替者和特殊的透明技术)的组合产生了代表神经网络的3D模型。 证明了所提取的重要性估计的有效性,并探索了开发的可视化的潜力。 如何使用 使用描述的参数准备configs/processi
1