TCP是一种被大多数Internet网络协议(如HTTP和FTP)用于数据传输的低级网络协议,它是可靠的、面向流、面向连接的传输协议,特别适合用于连续数据的传输
2024-05-08 16:37:15 12KB 网络协议
1
网络安全等级保护测评管理制度模板
2024-05-08 14:52:09 1.53MB 网络安全
1
在Cora和Citeseer数据集上用图卷积神经网络实现链路预测,包括GCN网络搭建、Cora和Citeseer数据集的数据预处理,以及链路预测网络的训练和测试代码。
2024-05-08 14:05:12 7KB Cora 链路预测 图卷积神经网络
1
锐捷无限地勘系统1.2版本,仅供学习和参考!
2024-05-08 13:07:20 75.86MB 网络系统管理
1
2023-6-7-手机扫二维码直接录入电脑上任意光标位置或excel表里(含电脑端+手机端)无需会员或注册,同一个WIFI路由器下即可使用,非常BEST,配合批量生成二维码条形码那个软件更BEST
2024-05-08 12:33:21 16.84MB 网络工具
1
源程序+ 数据集+ 实验报告 问题描述: 理解序列数据处理方法,补全面向对象编程中的缺失代码,并使用torch自带数据工具将数据封装为dataloader 分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU,并在至少一种数据集上进行实验 从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果(最好使用图表展示) 不同超参数的对比分析(包括hidden_size、batch_size、lr等)选其中至少1-2个进行分析 ps:用户签到数据实验的难度会稍高一些,若在实验中选用,可酌情加分
2024-05-08 11:05:31 18.51MB 深度学习 pytorch python
1
包含声学模型和语言模型两个部分组成,两个模型都是基于神经网络。 该项目实现了GRU-CTC中文语音识别声音模型,所有代码都在gru_ctc_am.py中,包括: 增加了基于科大讯飞DFCNN的CNN-CTC结构的中文语音识别模型cnn_ctc_am.py,与GRU相比,对网络结构进行了稍加改造。 完全使用DFCNN框架搭建声学模型,稍加改动,将部分卷积层改为inception,使用时频图作为输入,cnn_with_fbank.py。 新增使用pluse版数据集的模型,cnn_with_full.py,建议直接训练这个模型。 语言模型 - language_model文件夹下 新增基于CBHG结构的语言模型language_model\CBHG_lm.py,该模型之前用于谷歌声音合成,移植到该项目中作为基于神经网络的语言模型。
2024-05-07 18:47:06 34.52MB 神经网络 深度学习 语音识别
1
AndroidStudio的手机APP进行TCP连接源码,主要是分为两个类,一个就是MainActivity这个就是主程序执行的入口了,还有一个就是TCP_Test类,里面写了关于连接服务器IP和端口,传输数据等方法。方便大家进行二次创作。
2024-05-07 14:41:28 11.45MB tcp/ip 源码软件 网络协议 网络
1
一款内网综合扫描工具,方便一键自动化、全方位漏扫扫描。 支持主机存活探测、端口扫描、常见服务的爆破、ms17010、redis批量写公钥、计划任务反弹shell、读取win网卡信息、web指纹识别、web漏洞扫描、netbios探测、域控识别等功能。 主要功能 1.信息搜集: 存活探测(icmp) 端口扫描 2.爆破功能: 各类服务爆破(ssh、smb、rdp等) 数据库密码爆破(mysql、mssql、redis、psql、oracle等) 3.系统信息、漏洞扫描: netbios探测、域控识别 获取目标网卡信息 高危漏洞扫描(ms17010等) 4.Web探测功能: webtitle探测 web指纹识别(常见cms、oa框架等) web漏洞扫描(weblogic、st2等,支持xray的poc) 5.漏洞利用: redis写公钥或写计划任务 ssh命令执行 6.其他功能: 文件保存 usege 简单用法 fscan.exe -h 192.168.1.1/24 (默认使用全部模块) fscan.exe -h 192.168.1.1/16 (B段扫描) —————
2024-05-07 11:01:08 2.19MB 渗透测试 扫描测试工具 网络安全
1
微电网高效能源管理的随机博弈 python源代码,代码按照高水平文章复现,保证正确 构建了一个随机博弈框架,包括一个微电网网络,使能源交易、动态定价和作业调度成为可能。 为了解决这一问题,我们设计了一种新的双网络模型(ET和ADL网络),它可以同时进行动态定价和需求调度。 为了计算各种设置下的最优策略,应用了我们提出的算法,并证明了通过我们提出的动态定价模型获得的回报对大多数微电网产生了更大的回报。
2024-05-07 09:16:32 198KB python 网络 网络
1