网上相关资源多半零碎不可用,详细整理了下的文件Gzip压缩后进行AES加密,同时反向解密解压缩。java代码和需要的jar包亲测可用!!
2023-04-04 01:22:46 201KB GZip压缩 AES加解密 文件md5值
1
最近在做项目的时候用到了webSocket协议,而且是在微信小程序中用到了webSocket,微信小程序中使用wss协议的时候不能设置端口,只能使用默认的443端口。我擦,我的https已经监听了443端口,webSocket再去监听443,肯定不行啊。要想办法解决,老大把这个问题交给我了,我愉快(手动懵逼)的接收了这个任务。想到了两种办法解决。一种解决办法是把webSocket部署到另一台服务器上,这样成本也太高了。另一种办法,就是使用nginx反向代理。 因为webSocket协议是基于http协议升级的(见下图),所以可以使用nginx反向代理webSocket. webSocket
2023-04-02 21:00:22 98KB c gi gin
1
基于MySQL和Lucene的反向索引系统的实时性能比较研究,刘一洲,徐鹏,搜索引擎是当今互联网使用最频繁的应用之一。为用户提供及时的,甚至是实时的信息索引是当今搜索引擎所要面对的首要挑战。倒排索
2023-03-29 21:31:00 375KB 倒排索引
1
本教程简要介绍了基于梯度下降和 delta 规则的反向传播算法下多层神经网络的训练及其数值实现。 在 MATLAB :trade_mark: 环境中模拟网络,训练它解决字符识别问题和众所周知的 XOR 问题。 获得的结果非常有趣并且表现出优异的性能。 由于该算法是函数的近似,因此它可以用于许多需要系统识别、模式分类等的问题。 关键词:神经网络,多层感知器,训练,模式识别,反向传播,delta 规则,梯度下降。
2023-03-29 15:28:44 119KB matlab
1
周氏 从sourcemaps反向工程JavaScript和CSS源 名称的背景 该项目的名称是为了纪念琉球群岛某位大师的遗产,他曾为当今我们所熟知的空手道和ryukyu kobujutsu武术做出了贡献。 入门 通过全局安装shuji命令行实用。 可能需要通过sudo来获得特权,具体取决于平台。 在大多数情况下,只需: npm install --global shuji 用法示例: shuji file.js.map -o folder 请注意, 的最低支持版本是10.13.0 ,它是。 命令行选项 shuji --help的输出几乎涵盖了所有选项: shuji - Reverse engineering JavaScript and CSS sources from sourcemaps Usage: shuji [options] < file>
2023-03-28 19:04:11 94KB JavaScript
1
sqliv 大型SQL注入扫描器通过Bing,Google或YahooSQL注入dork提供多域扫描功能,通过提供特定域(具有爬网)进行反向域扫描,SQLi扫描和域信息检查均在多处理中完成,因此脚本在以下情况下超快扫描许多url快速教程和屏幕截图显示在底部的项目贡献提示中
2023-03-20 19:15:19 54KB Python
1
西门子SIMOTION轴的反向间隙补偿功能pdf,西门子SIMOTION轴的反向间隙补偿功能
2023-03-16 14:31:15 479KB 说明书
1
matlab线性调频信号代​​码Chirp_OOK 通过使用反向散射通信 Chirp-OOK。 Chirp-OOK 项目旨在提供一个用于调制和解调的演示。 当然,我也是用usrpN210生成信号数据,成功接受了。 特征 本项目使用matlab生成chrip信号进行仿真。 两种方式解调。 降档相关 FRFT() 我成功地尝试了 usrpN210。 跑步 目前的工作只是一个demo。所以你可以运行demodulate.m来模拟。 当然,您可以在代码中取消注释某些代码以使用真实数据。 变更日志 V1.1 :face_savoring_food:
2023-03-13 20:05:21 5KB 系统开源
1
将自适应梯度算法(Adagrad)作为反向传播算法应用于普通的三层神经网络(输入层、隐含层、输出层)的反向传播过程,之后建立数据预测模型进行数据预测,压缩包中train.py为训练过程源码,test.py为测试过程源码,train.csv文件为训练数据集,test.csv文件为测试数据集,.npy文件为模型训练后保存的参数。
1
将自适应矩估计算法(Adam)作为反向传播算法应用于普通的三层神经网络(输入层、隐含层、输出层)的反向传播过程,之后建立数据预测模型进行数据预测,压缩包中Adam.py为训练过程源码,test.py为测试过程源码,train.csv文件为训练数据集,test.csv文件为测试数据集,.npy文件为模型训练后保存的参数。
1